fully convolutional network와 비슷했던 hypercolumn

FCN은 end-to-end구조로 학습이 가능하며 GPU 병렬처리도 가능하여 빠른 학습이 가능

 

end-to-end로 학습한다는 것은 model이 해당 task에 대해 분할하는 것이 아니라 한번에 학습한다는 것으로 성능도 보통 올라감

 

심지어 fully convolutional network는 low level, high level을 모두 고려하여 더욱 정교하게 (경계선도 잘 구별할정도로) semantic segmentation을 수행함

 

비슷한 시기에 semantic segmentation용으로 hypercolumn이라는 구조가 등장했다

 

저자가 같은 학교 다니면서 1*1 fully convolutional layer도 설명했고 layer를 융합하는 것도 설명했고 아무튼 비슷하다는 점에서 약간 뭐 그런게 있는것 같은??

 

물론 인용수에서 hypercolumn은 1000번 FCN은 20000번으로 패배했다

 

 

1. 차이점

 

강조부분이 다르다.

 

Fully convolutional network가 1*1 convolution layer를 강조했다면(이걸 제일 강조했다는건지는 모르겠는데)

 

hypercolumn은 낮은 layer와 높은 layer의 feature를 융합해서 사용하는 것을 강조했다

 

hypercolumn은 end-to-end가 아니다.

 

부가적인 알고리즘으로 이미지에 bounding box를 먼저 치고 나서 segmentation을 수행

 

hypercolumn의 기본구조