회색조 영상의 시맨틱 분할을 위한 사전 학습된 딥러닝 모델 확장 기법

Abstract

데이터 양이 적은 데이터 세트로 딥러닝 모델을학습할 때, 전이학습을 통해 업데이트와 재학습을 활용하면 학습 시간과 연산 리소스를 줄이고 알고리즘의 성능을 크게 향상할 수 있다. 하지만 영상처리에서 대부분의 사전 학습된 모델은 컬러 영상을 사용하여 학습되어 있어 3개 색상 채널이 입력 영상 값으로사용된다. 반면, 회색조 영상은 컬러 영상에 비해 크기가 작고 1개의 채널을 가져 여러 개의 채널을 학습한 모델의 입력으로 사용할 수 없다. 따라서 기존 기법들은 데이터를 입력에 맞게 변형시키거나 사전 학습된 모델의 레이어를 수정해야 한다는 한계가 있다. 본 논문에서는 시맨틱 분할 영상처리를 위한 딥러닝모델 앞부분에 컨볼루션 레이어를 추가해 회색조 영상에서 사전 학습된 모델을 사용하는 새로운 방법을제안한다. 모의실험 결과, 제안 기법의 정확도가 높았으며 기존 기법보다 우수한 성능을 얻으면서도 좀 더효과적으로 사전 학습된 모델을 사용할 수 있음을 확인하였다.