[네이버 부스트 캠프] AI-Tech - Lv2 week7(2)

학습기록 - 52

1. 강의 복습 내용

FCN의 한계점

1. 객체의 크기가 크거나 작은 경우 예측을 잘 하지 못하는 문제
   • 큰 Object의 경우 지역적인 정보만으로 예측
     • 버스 유리창에 비친 자전거를 인식하는 경우
   • 같은 Object여도 다르게 labeling
   • 작은 Object가 무시되는 문제가 생김

   왜 그런 것일까?
   Convolution 자체의 Receptive Field가 작게 잡힌다면 전체 Object에 대한 인식이 어려워지는 것 같다.

2. Object의 디테일한 모습이 사라지는 문제 발생
   • Deconvolution 절차가 간단해 경계를 학습하기 어려움
     Max pool을 통해서 Detail한 정보가 이미 손실되고 있는 데 단순하게 feature map을 늘려버리기 때문에, 손실된 정보를 가져올 수가 없다. (skip connection)

DeconvNet

• Architecture
  위와 같은 FCN의 한계점을 극복하고자 Decoder와 Encoder를 대칭으로 만든 형태

  

  이전과 마찬가지로 Conv는 Conv-BN-ReLU 과정으로 이루어져 있습니다.

  Decoder 단에는 Unpooling과 Deconv (Transposed convolution)을 가지고 있습니다. Unpooling은 Detail한 모습을 포착하고 Deconv는 전반적인 모습을 가져옵니다.

2. 고민 내용, 결과 (과제 수행 과정, 결과물 정리)

프로젝트 수행

3. 피어세션 정리

피어세션

4. 학습 회고