FCN(Fully-Convolution Network for semantic segmentation)

backbone

• VGG backbone 사용
  backbone을 resnet, efficientnet등 다른 backbone으로 대체가능, pre-trained weight 사용가능

Fully convolution layer

• fully connected layer -> fully convolution layer로 공간 정보 손실 없앰

Transposed convolution

• 마지막 input size로 upsampling할때 Transposed convolution을 사용
  Transposed convolution은 아래의 측면에서 deconvolution과 다른 개념이다.
  • 학습가능한 파라미터를 가진다는 점
  • 복원 결과가 size만 같을뿐 input과 동일하게 복원되는 것이 아니라는 점

16s 8s

pooling된 input을 한꺼번에 upsampling하는 것은 성능이 좋지 않음

이전 단계의 pooling layer에서의 feature map과 마지막 transposed conv layer에서의 feature map을 더한다.

세번째 pooling layer와의 sum

• 네번째 pooling layer
  크기가 1/16 되었다.
  뒷단과 더하기 위해 1x1 conv로 class 개수만큼 channel을 만든다.

• last layer
  크기가 1/32이므로 1/16과 더하기위해 2배 upsampling

• 세번째 pooling layer
  크기가 1/8 되었다.
  뒷단과 더하기 위해 1x1 conv로 class 개수만큼 channel을 만든다.

• last layer
  크기가 1/16이므로 1/8과 더하기위해 2배 upsampling