딥러닝 설명을 위한 슈퍼픽셀 제외·포함 다중스케일 접근법

• 영문명: Superpixel Exclusion-Inclusion Multiscale Approach for Explanations of Deep Learning
• 발행기관: 한국스마트미디어학회
• 저자명: 서다솜((Dasom Seo) 오강한(KangHan Oh) 오일석(Il-Seok Oh) 유태웅(Tae-Woong Yoo)
• 간행물 정보: 『스마트미디어저널』Vol8, No.2, 31~38쪽, 전체 8쪽
• 주제분류: 공학 > 컴퓨터학
• 파일형태: PDF
• 발행일자: 2019.05.30

국문 초록

딥러닝이 보편화되면서 예측 결과를 설명하는 연구가 중요해졌다. 최근 슈퍼픽셀에 기반한 다중스케일 결합 기법이 제안되었 는데, 물체의 모양을 유지함으로써 시각적 공감이라는 장점을 제공한다. 이 기법은 예측 차이라는 원리에 기반을 두고 있으며, 슈퍼픽셀을 가리고 얻은 예측 결과와 원래 예측 결과의 차이를 보고 돌출맵을 구성한다. 본 논문은 슈퍼픽셀을 가리는 제외 연산뿐 아니라 슈퍼픽셀만 보여주는 포함 연산까지 사용하는 새로운 기법을 제안한다. 실험 결과 제안한 방법은 IoU에서 3.3% 의 성능 향상을 보인다.

영문 초록

As deep learning became popular, the research that explained the prediction results became important. Recently, superpixel based multi-scale combining technique has been proposed, which provides the advantage of visual pleasing by maintaining the shape of the object. Based on the principle of prediction difference, this technique computes the saliency map by the difference between the predicted result excluding the superpixel and the original predicted result. In this paper, we propose a new technique that not only excludes super pixels but also includes super pixels. Experimental results show 3.3% improvement in IoU evaluation.

목차

Ⅰ. 서 론

Ⅱ. 관련 연구

Ⅲ. 알고리즘

Ⅳ. 실험 결과

Ⅴ. 결 론

키워드

딥러닝 설명모델 슈퍼픽셀 시각화 deep learning explanation model superpixel visualization