1. Problems with FCN

• Weak at predicting big or small objects
• Object’s details are lost

2. Decoder Models

2-1. DeconvNet

Architecture

• Decoder and Encoder architecture
  • Encoder : Convolution network → VGG16
  • Decoder : Unpooling + Transposed Convolution

Unpooling VS Deconvolution

• Unpooling
  • Pooling을 통해 노이즈를 제거하지만, 정보가 손실됨.
  • Unpooling을 통해서 pooling시 지워진 경계에 정보를 기록했다가 복원
  • 학습 x, 속도
  • sparse한 activation map이 나오기 때문에 Transposed Convolution수행
• Deconvolution (Transposed Convolution)

Analysis of Deconvolution Network

• Unpooling : “example specific”한 구조를 잡아낸다 (자세한 구조)
• Transposed Conv : “class specific” 한 구조를 잡아낸다 (위 구조에 빈 부분을 채워넣음)

2-2. SegNet

• Real-Time Semantic Segmentation