우리는 윤곽선 검출 방법이 생성하는 파열(단절)로 인해 끊어진 윤곽선을 연결하기 위한 딥러닝 기반 윤곽선 복원 프레임워크를 제시한다. 본 아이디어는 합성곱 신경망이 파열의 끝점에서 시작하여 실제 윤곽선의 방향을 따라 성장할 수 있는 벡터를 반복적으로 예측한다는 것이다. 이러한 예측을 위해 우리는 이전 추론으로부터 연속적인 예측을 모델링하는 잔차 연결 학습(residual connections training)을 사용한다. 그러나 기존의 잔차 연결 학습은 각 추론 단계마다 오류가 점진적으로 누적되기 쉽다. 본 연구에서는 딥러닝 모델을 효율적이고 신뢰성 있게 훈련하기 위한 정답(ground truth) 선택 알고리즘과 하위 반복(sub-iteration) 학습을 제안한다. 정답 선택은 실제 윤곽선을 나타내기 위해 좌표의 소수 집합을 추출한다. 하위 반복 학습은 주요 네트워크를 복제한 네트워크의 추가 훈련을 통해 예측되는 다음 입력을 생성한다. 실험 결과는 정답 선택이 윤곽선 복원에 적합한 정답을 만든다는 것을 보여준다. 또한 제안 방법은 기존의 대표적인 윤곽선 검출 방법의 결과에 적용할 때 윤곽선 검출 성능을 향상시킨다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.