Deconvolutional Network (DeconvNet) review Abstract 기존의 Fully Convolutional Network가 가지고 있는 한계점을 극복하기위해 Layer를 더 깊게 쌓음 unpooling layers에서 Maxpooling 과 Transposed Convoltuion을 같이 도입 위의 결과, Detail한 측면과 Multi Scales한 측면에서 기존 대비 많은 효과가 있었음 Fully Convolutional Networks의 한계 기존의 FCN은 아래의 한계점을 보유하고 있음 네트워크는 기존에 정의된 고정된 Receptive field를 가짐. 그렇기에 object의 크기가 receptive field 대비 크거나 작은 경우에 대해서 잘 못맞추는 경향을 보임..
Fully Convolutional Networks (FCN) review paper : https://www.cv-foundation.org/openaccess/content_cvpr_2015/papers/Long_Fully_Convolutional_Networks_2015_CVPR_paper.pdf Abstract AlexNet을 시작으로 하는 CNN 모델들의 발전을 Image Segmentation이라는 영역에 접못한 방법 Fully Convolutional 과 Skip Architecture라는 두가지 방법론을 도입 Fully Convolutional 정의 : Fully Connvected Layer를 1x1 Convolution으로 변경 이미지의 위치정보를 기억 임의의 입력크기에 대해서도 일관성..