0308 회의 내용 - Githubissues

qlstn9150 commented 3 years ago

언어: python 라이브러리: pytorch

모델 후보 deeplab, fcn......

leesang100 commented 3 years ago

qlstn9150 commented 3 years ago

21/03/15 11시에 강의실에서 모이기!

과제: 모델 하나 선정하고 선택한 이유, 링크 올리기 (겹치면 안됨!!)

qlstn9150 commented 3 years ago

모델 예) UNet(작은 개체들이 있을 때, 실내/야외 이미지에서 유용) PSNet(이미지가 서로다른 크기일 떄) FCN, SegNet(간단한 데이터에서 큰 개체들이 조금 있을 때) ResNet, VGG, MobileNet

FCN 선택!!!!

FCN의 장점

마지막의 fully connected layer가 사라지고 그 자리에 convolution연산이 들어가니까 어떤 사이즈의 Input image가 들어와도 shape 오류가 발생하지 않고 input size에 맞는 output이 나오게 된다.

우리가 가진 이미지 크기: 960*720

ghost commented 3 years ago

encode와 decoder로 나뉨.
깊어질수록 성능이 좋아짐.
기존 접근법과 비교하였을 때, 위 표에서 알 수 있듯 SegNet이 많은 Classes에 대해 가장 좋은 결과를 가져왔음을 볼 수 있다
Deep Learning 접근법과 비교하였을 때, SegNet은 G(global average accuracy)와 C(class average accuracy), mIoU와 BF(Boundary F1-measure) 모두 가장 높았다.
위 그림은 outperform이며, SegNet의 결과가 segmentation이 가장 잘됨을 보여준다.
다른 Deep Learning 접근법과 비교해보았을 때, mIOU에서 DeepLabv1이 가장 우수하였지만 나머지는 SegNet이 가장 우수함을 보였다.
Outperform을 보면 큰 사이즈의 classes는 높은 정확도를 보이지만, 작은 사이즈의 classes는 낮은 정확도를 보인다.
SegNet은 FCN과 DeepLabv1과 비교하였을 때, decoder 구조를 가지고 있기에 더 느린 것을 볼 수 있다. 또한, FCL을 사용하지 않기에 DeconvNet보다는 빠름을 보였다.
또한, SegNet은 Training과 Testing 간에 많은 메모리가 요구되지 않으며, Model size는 FCN과 DeconvNet보다 훨씬 적다.

leesang100 / Capstone2