문맥 (context)
본 논문에서는 새롭게 제안하는 Multi-Path Encoder-Decoder 의 구조를 바탕으로 두개의 가지로 구성된 심층신경망을 통해서 영상 이미지에서 물체를 하나의 객체 단위로 분할 검출하는 방법을 제안하였다. 각 가지는 중심점 검출 가지(Dot branch), 객체 분할 가지(Segmentation branch)라 하고 중심점 검출 가지는 이미지로부터 각 객체의 중심점을 찾는 역할을 수행하고, 객체 분할 가지는 각 객체의 영역을 이미지로부터 분할하는 역할을 수행한다. 실험에서는 CVPPP 식물 이미지의 나뭇잎을 각각 구분하도록 학습 하였으며 중심점 검출 가지는 각 나뭇잎의 중심점들을 찾아내고, 객체 분할 가지는 원본 이미지와 찾아낸 중심점 이미지를 통하여 각 중심점에 해당하는 나뭇잎의 픽셀 분할 영역을 최종적으로 예측하게 된다. 기존의 객체 분할에서는 다양한 크기, 위치의 앵커박스를 만들어서 많은 영역(N > 1k)의 물체를 확인해야하는 연산량 문제점 혹은 이미지에서 고정되지 않는 총 객체의 개수를 예측하기 어려웠던 문제가 있었다. 제안한 심층신경망에서는 중심점을 기반으로 객체를 찾아내는 효과적인 방법을 제안하였다. 앞선 실험으로 다른 역할을 가지는 두 개의 심층신경망 가지를 이용하여 전체 물체에서 한 객체의 중심점으로, 중심점에서하나의 픽셀단위 객체 영역을 검출하는 심층신경망을 구성하고 심층신경망의 학습 진행정도에 따라서 심층신경망의 성능을 확인하였다. 심층신경망의 출력이 다시 심층신경망의 인풋으로 들어가는 구조로 인하여 심층신경망의 최종 출력은 심층신경망의 학습정도에 따라서 영향을 많이 받게 된다. 그림 9는 객체의 중심점을 예측한 심층신경망의 출력과 목표이미지를 보여준다. 좌측의 이미지는 심층신경망의 실제 출력을 보여주고 우측의 이미지는 향후 연구에서는 물체의 중심점을 예측할 때 이처럼 소실되는 데이터를 방지하기 위해서 각 객체 영역으로부터 각 점을 예측하는 방법과 각 객체에 해당하는 중심점을 구별하는 방법, 중심을 찾는 심층신경망과 특징 맵을 공유하여 온전히 하나의 객체검출에 집중하는 심층신경망 구조에 대한 연구를 하고자 한다.
지시문 (instruction)
주어진 원문을 읽고 필요한 정보를 파악하여, 원문에 근거해 질문에 답하라.
질문 (question)
제안된 심층신경망 구조에서 물체의 중심점을 예측할 때 발생하는 데이터 소실 문제를 해결하기 위해 향후 연구에서 고려하고자 하는 방법은 무엇인가?
추론 과정 (compact_reasoning)
-
1과제 해석
task_interpretation심층신경망의 중심점 예측 시 발생하는 데이터 소실 문제와 이를 해결하기 위한 향후 연구 방향을 묻는 질문이다.
-
2정보 추출
information_extraction본문 마지막 부분에서 향후 연구 계획과 관련된 구체적인 방법론들을 추출한다.
- 향후 연구에서는 물체의 중심점을 예측할 때 이처럼 소실되는 데이터를 방지하기 위해서 각 객체 영역으로부터 각 점을 예측하는 방법과 각 객체에 해당하는 중심점을 구별하는 방법, 중심을 찾는 심층신경망과 특징 맵을 공유하여 온전히 하나의 객체검출에 집중하는 심층신경망 구조에 대한 연구를 하고자 한다.
-
3근거 선택
evidence_selection데이터 소실 방지를 위한 세 가지 구체적 방안을 선별한다.
- 각 객체 영역으로부터 각 점을 예측하는 방법
- 각 객체에 해당하는 중심점을 구별하는 방법
- 중심을 찾는 심층신경망과 특징 맵을 공유하여 온전히 하나의 객체검출에 집중하는 심층신경망 구조
-
4논리 통합
logical_integration추출된 세 가지 방법을 나열하여 질문에 대한 답변 구조를 형성한다.
-
5결론 도출
conclusion_formulation선별된 방법들을 종합하여 향후 연구 방향으로 정리한다.
- 각 객체 영역으로부터 각 점을 예측하는 방법
- 각 객체에 해당하는 중심점을 구별하는 방법
- 중심을 찾는 심층신경망과 특징 맵을 공유하여 온전히 하나의 객체검출에 집중하는 심층신경망 구조
-
6답변 생성
answer_generation질문에 대해 명확하게 세 가지 방법을 나열하여 최종 답변을 작성한다.
- 각 객체 영역으로부터 각 점을 예측하는 방법
- 각 객체에 해당하는 중심점을 구별하는 방법
- 중심을 찾는 심층신경망과 특징 맵을 공유하여 온전히 하나의 객체검출에 집중하는 심층신경망 구조
최종 답변 (final_answer)
데이터 소실을 방지하기 위한 향후 연구 방법으로는 첫째, 각 객체 영역으로부터 각 점을 예측하는 방법, 둘째, 각 객체에 해당하는 중심점을 구별하는 방법, 셋째, 중심을 찾는 심층신경망과 특징 맵을 공유하여 온전히 하나의 객체검출에 집중하는 심층신경망 구조를 연구하고자 한다.
핵심 해석 (core_interpretation)
향후 연구에서는 물체의 중심점을 예측할 때 소실되는 데이터를 방지하기 위해 각 객체 영역으로부터 각 점을 예측하는 방법, 각 객체에 해당하는 중심점을 구별하는 방법, 그리고 특징 맵을 공유하는 심층신경망 구조에 대한 연구를 하고자 한다.