Deformable convolutional network를 기반으로 한 Mask R-CNN

Abstract

객체 탐색은 자율 주행, 실시간 보안, 건설 자동화에서 활용될 수 있는 기술로서 각광 받고 있는 컴퓨터 비전 응용 기술이다. 최근 딥러닝을 기반으로 한 객체 탐색 모델이 등장하였고 딥러닝 기술의 발전과 함께 빠른 속도로 객체 탐색 모델들도 발전하고 있다. 객체 탐색 모델들은 대용량 크기의 입력값인 이미지를 처리하기 위해 공통적으로 CNN (convolutional neural network)를 사용한다. 하지만 CNN은 객체의 크기에 상관없이 공통된 필터를 사용하는 문제점이 있다. 본 연구에서는 오프셋 (offset)을 이용해 객체에 대응하는 필터를 만드는 Deformable convolutional network를 Mask R-CNN에 적용해 합성곱 네트워크의 문제점을 해결하고 객체 탐색 알고리즘의 정확도를 높이는 방법을 제안하고자 한다. 제안된 방법은 Pascal VOC와 COCO 데이터를 이용해 성능실험을 수행하였고, 기존의 Mask R-CNN 방법보다 성능이 개선되는 결과를 보였다.