Scale-Adaptive Conditional Random Fields for Semantic Segmentation

Abstract

조건부 무작위장(Conditional Random Fields)는 이미지의 의미론적 분할(semantic segmentation)에서 후처리 방법으로 유용하게 쓰이는 기법이다. 조건부 무작위장의 최적화를 위해서는 여러 최적화 파라미터가 필요하다. 이러한 파라미터들은 이미지 내의 각 픽셀의 위치와 거리에 대한 민감도를 조절하기 때문에 이미지 내의 물체의 크기에 따라 알맞게 결정이 되어야 한다. 하지만, 기존의 방법들에서는 모든 이미지에 대해 동일한 파라미터를 이용하여 조건부 무작위장을 적용한다. 이 논문에서는 물체의 크기에 알맞게 조건부 무작위장을 적용할 수 있는 방법을 제시하고, 이러한 방법이 기존의 방법과 비슷한 수행시간을 가지면서 이미지의 의미론적 분할의 성능을 향상시킬 수 있다는 것을 공용 데이터셋인 PASCAL VOC 에 대해 세 가지 평가 지표를 이용하여 검증하였다.