표제지
목차
ABSTRACT 10
제1장 서론 12
제1절 연구의 배경 및 필요성 12
제2절 논문 구성 14
제2장 배경 이론 및 관련 연구 15
제1절 의미론적 분할 방법 15
제2절 의미론적 분할을 위한 도메인 적응 방법 16
제3장 제안하는 방법 18
제1절 제안하는 잠재특징 고강화 방법 세부 사항 20
제2절 의미론적 분할을 위한 잠재특징 고강화 방법 21
1. 지도기반 의미론적 분할을 위한 잠재 특징 고강화 방법 21
2. 비지도기반 의미론적 분할을 위한 잠재 특징 고강화 방법 25
제4장 실험 결과 및 분석 27
제1절 구현 세부 정보 27
제2절 벤치마크 데이터 세트 28
1. ADE20K 28
2. Cityscapes 28
3. GTA 29
3. Synthia 29
제3절 정량적 성능 평가 32
제4절 정성적 성능 평가 33
제5절 구조 변화에 따른 비교 실험 39
제5장 결론 42
참고문헌 43
국문초록 52
〈표 4-1〉 ADE20K 데이터 세트에서의 정량적 성능 평가. (가장 높은 성능은 굵은 글씨로 표시) 29
〈표 4-2〉 Cityscapes 데이터 세트에서의 정량적 성능 평가. (가장 높은 성능은 굵은 글씨로 표시) 30
〈표 4-3〉 GTA 데이터 세트를 활용하여 학습, Cityscapes 데이터 세트에서의 정량적 성능 평가. 31
〈표 4-4〉 Synthia 데이터 세트를 활용하여 학습, Cityscapes 데이터 세트에서의 정량적 성능 평가. 31
〈표 4-5〉 다양한 뼈대 네트워크에 따른 제안 방법에 의한 성능 향상. ADE20K 데이터 세트에서의 정량적 성능 평가.... 40
〈표 4-6〉 다양한 뼈대 네트워크에 따른 제안 방법에 의한 성능 향상. Cityscpaes 데이터 세트에서의 정량적 성능 평가.... 40
〈표 4-7〉 다른 픽셀 디코더(즉, FaPN)를 사용한 성능 평가. (높은 성능은 굵은 글씨로 표시) 40
〈표 4-8〉 적용하는 모듈 변경에 따른 Cityscapes 데이터세트 상에서 네트워크 성능 비교. 41
〈그림 3-1〉 (a) 기존의 뼈대-디코더 구조. (b) 잠재 특징 고강화 모듈이 있는 뼈대-디코더 구조(제안됨). 참고로 모든 유형의 주의 연산 모듈이... 18
〈그림 3-2〉 (a) 입력 이미지. (b) 주의력이 있는 뼈대 특징(즉, A[F(i,j)], (c) 주의력이 있는 특징 잔차(즉, A[R(i,j)],). (d) 고강화된... 19
〈그림 3-3〉 (a) 잠재 영역에서 경계 영역(좌측)과 작은 객체 영역(우측)의 고정된 수직 위치에서 각각 얻은 1차원 신호의 예. (b)... 19
〈그림 3-4〉 제안하는 잠재특징 고강화 모듈(빨간색 직사각형)을 Mask2Former에 적용한 전체 구조. C와 Q는 각각 채널과 쿼리의 수이다. K는... 23
〈그림 3-5〉 (a) 기존의 구조로 픽셀 디코딩된 잠재특징 그대로 클래스 예측에 활용한다. (b) 잠재 특징 고강화 모듈을 디코딩된 잠재특징에... 24
〈그림 3-6〉 (a) 입력 이미지. (b) 디코딩 된 잠재특징 F(i,j). (c) 합성곱 연산을 수행한 잔차(즉, A[R(i,j)],). (d) 재보정된 특징(즉, B(i,j)). 24
〈그림 3-7〉 제안하는 잠재특징 고강화 모듈(빨간색 직사각형)을 DAFormer에 적용한 전체 구조. 26
〈그림 4-1〉 ADE20K 데이터 세트에서의 분할 결과 성능 비교. (a) 입력 이미지. (b) Mask2Former에 의한 분할 결과(기준선). (c) 잠재 특징... 34
〈그림 4-2〉 Cityscapes 데이터 세트에서의 분할 결과 성능 비교. (a) 입력 이미지. (b) Mask2Former에 의한 분할 결과(기준선). (c) 잠재 특징... 35
〈그림 4-3〉 ADE20K 데이터 세트에서의 제안된 방법에 의한 더 많은 의미론적 분할 결과. 36
〈그림 4-4〉 GTA 데이터 세트를 학습한 분할 결과 성능 비교. (a) 입력 이미지. (b) DAFormer에 의한 분할 결과(기준선). (c) 잠재 특징 고강화... 37
〈그림 4-5〉 Synthia 데이터 세트를 학습한 분할 결과 성능 비교. (a) 입력 이미지. (b) DAFormer에 의한 분할 결과(기준선). (c) 잠재 특징... 38
〈그림 4-6〉 (a) 제안하는 방법. (b) 라플라시안 피라미드 기반 방법. (c) 제안하는 방법에서 특징 잔차 계산 제외. (d) 기존 특징에 대하여 동일한... 41