【Paper】 Mask R-CNN 논문리뷰 동영상 공부

Mask R-CNN 논문리뷰 동영상을 보고 정리한 내용입니다.

논문 이름 : Mask R-CNN
동영상 링크 : Mask R-CNN
아래에 이미지가 없다면, 이미지가 Loading 중 입니다. 잠시만 기다려주세요

Mask R-CNN

img img img img img img img img img img img img img img img img img img img img img img img img img img

FCN이 해야하는 역할은 아래의 3개와 같다.

  • 하지만 Faster RCNN이 이 대부분을 도와준다.

img img img img img img img img img img img

Mask-RCNN에서 Faster-RCNN을 제외한 Mask Branch (Mask Architecture)은 어떤 모양일지 공부해보자.

  • Equivariance : Input이미지 크기에 따라 유동적으로 Output의 크기가 정해진다. Convolution 연산처럼
  • Invariant : Input이미지 크기가 뭔지 모르겠고 Fully connected layer에 들어가기 전에, 딱 정해진 사이즈가 되어야 한다.
  • Instance Segmentation에서는 Equivariance한 연산이 있는게 좋겠다.

img img img

  • Mask-RCNN Branch의 모습은 아래의 2가지 같은 것이 될 수 있다. (64번 슬라이드 참조)

img img img img img img img img

Fast-RCNN에서 사용하는 ROI Pooling의 모양은 다음과 같다.

  • 반올림을 하는 과정에서 정보손실(?)이 이루어진다.
  • 걍 정수로 자르는 과정에서도 정보손실(?)이 이루어진다.

img img img img img

Mask-RCNN에서 사용하는 ROI Align Pooling은 다음과 같다.

  • 아래 예시에서는 ROI pooling을 거쳐 2 x 2 X depth(256) 이 만들어져야 한다면…으로 가정한다.
  • Fater-RCNN에서는 보통 7 x 7 x depth(256) 이 만들어져야 하므로, 위와 비슷하게만 생각하면 충분히 쉽게 이해할 수 있다.
  • PPT 자료에는 “4등분하고 또 4등분”이라고 표현했다. 하지만 만약, 7 * 7 이 최종이 되도록 ROI Pooling이 이뤄진다면, “49등분하고 또 4등분”이 될 것이다.
  • PPT 자료에는 이 짓(2번째 4등분에 대한 weighted sum)을 16번(4x4)이라고 했지만, 실제에서는 196번(49x4)이 되겠다.
  • 아래 내용 요약 : Input-EachROI. output-7x7(nxn) Pooled Feature. nxn등분->각4등분->Bilinear interpolation->각4등분에 대해 Max Pooling->(nxn) Pooled Feature Map 획득.
  • 순서 정리(꼭 이 사이트 그림 참조)
    1. n x n 이 최종이 되도록 하는 ROI pooling을 하고 싶다.
    2. n x n 등분하고(등분하고 나온) 하나의 부분을 Cell이라고 하자. Cell에 대해 또, 1/3 2/3 등분을 하여, 일단! 총 4개의 점을 찍는다.
    3. 4개의 점에 대해서 Weighted Sum을 수행한다. Weighted Sum을 n x n x 4 번 수행한다.
    4. Weighted Sum을 하는 방법은 Bilinear interpolation 공식을 적용한다. (P : 해당 Point의 픽셀 값)
      • img
    5. (Max Pooling) 4개의 점에 대해서 가장 큰 값을 골라서 n x n 하나의 Cell에 적용한다.
    6. n x n ROI Align pooling이 적용되었고, 이렇게 만들어진 n x n x depth(256) Feature Map을 Classfication & Box regression + Mask Branch에 넣는다.

img img img img img img img img img img img img img img img img img img


© All rights reserved By Junha Song.