Abstract기존 coarse-to-fine 전략의 여러 서브 네트워크를 쌓아 다중 스케일 입력 이미지를 처리, 하위~상위 네트워크로 이미지 선명도를 점차 개선한다.이러한 coarse-to-fine 전략은 높은 계산 비용을 초래.본 논문은 MIMO-UNet (Multi Input Multi Ouput)을 제시.MIMO-UNet은 다중 스케일 서브 네트워크를 쌓아 올리는 방식의 단점을 극복.단일 네트워크에서 다중 스케일 입력과, 출력을 효율적으로 처리하는 방식을 제안한다.이를 통해 Deblurring 문제에 성능, 효율성을 개선했다.  Introduction초기 CNN을 기반으로 blur kernel을 추정하여 deconvolution으로 Deblurring을 수행.이후 end-to-end 접근법으로 b..

PointNet PointNet은 3D data인 point data를 Classification, Segmentation 하기 위한 모델이다. 2D data와 달리 3D data는 정규화 데이터가 아니고, 불규칙하게 얻어진다. (2d는 행렬로 regular 하게 얻어진다) 특정 rendering 없이 point data를 다루기 위해서는 2가지 성질을 만족해야 한다. 1. Permutation invariant 2. Rigid motion invariant Permutation invariant 3d point는 특정 순서 없이 주어지기 때문에 어떠한 순서로 오더라도 output이 달라지면 안 된다. 이를 Permutation invariant(직역하면 순열 불변)라고 한다. PointNet에서는 Pe..

SegNet SegNet은 Encoder-Decoder 유형의 구조를 사용하는 Image Segmentation 모델이다. UNet과 마찬가지로 FCN의 구조를 이용했다고 볼 수 있다. Encoder SegNet 구조의 왼쪽 부분을 Encoder라 하며, Encoder에서는 VGG16의 13개 Convolution Layer을 동일하게 사용한다. Convolution, Pooling 구조들 통해 Input Image의 특징 맵(featrue map)을 추출하게 된다. Decoder 오른쪽 부분을 Decoder라고 한다. Decoder에서는 Encoder에서 뽑은 특징 맵을 Upsampling과 Convolution을 하여 작아진 이미지를 원래 크기로 되돌린다. Upsampling 후 마지막 Layer에서..

UNet UNet은 FCN(Fully Convolutional Network)을 수정하고 확장한 End-to-End 모델로, 모델 구조가 U 모양이라 U-Net이라 명칭 되었다. 2021/01/07 - [DeepLearning/개념] - [Segmentation] FCN, Fully Convolutional Network [Segmentation] FCN, Fully Convolutional Network Segmentation? Segmentation이란 이미지상의 물체들을 픽셀 단위로 분할, 검출하는 것이다. Segmentation은 구체적으로 Sementic Segmentation과 Instance Segmentation으로 나뉜다. Sementic Segmentation은.. wjs7347.tis..

Segmentation? Segmentation이란 이미지상의 물체들을 픽셀 단위로 분할, 검출하는 것이다. Segmentation은 구체적으로 Sementic Segmentation과 Instance Segmentation으로 나뉜다. Sementic Segmentation은 물체를 검출함에 있어 같은 class의 물체는 서로 구분 짓지 않고 검출한다. 반면 Instance Segmentation은 같은 class의 물체라도 서로 다른 객체로 구분 지어 검출하는 것이다. FCN은 Sementic Segmentation의 대표적인 모델 중 하나이다. CNN 한계 FCN은 어떻게 물체를 구분 짓고 픽셀 단위로 검출할 수 있을까? 이런 FCN의 동작 원리를 알기 앞서 CNN의 특징에 대해 알아보자. CNN은..