우리는 다중 과제를 기반으로 한 딥 커뮤니티 학습(deep community learning)에 근거한 약지도 인스턴스 분할 알고리즘을 제시한다. 이 과제는 동일한 클래스의 개별 객체가 각각 식별되고 분할되도록, 약지도 객체 검출과 의미 분할의 결합으로 구성된다. 우리는 이 문제를 객체 검출의 긍정적 피드백 루프(바운딩 박스 회귀, 인스턴스 마스크 생성, 인스턴스 분할, 특징 추출)와 함께하는 통합 딥 신경망 아키텍처를 설계함으로써 해결한다. 네트워크의 각 구성요소는 정확도를 향상시키기 위해 상호 간 능동적으로 상호작용하며, 모델의 종단(end-to-end) 학습 가능성은 우리의 결과를 보다 견고하고 재현 가능하게 만든다. 제안된 알고리즘은 표준 벤치마크 데이터셋에서 Fast R-CNN 및 Mask R-CNN과 같은 추가 학습 없이도 약지도 설정에서 최첨단 성능을 달성한다. 본 알고리즘의 구현은 프로젝트 웹페이지에서 제공된다: https://cv.snu.ac.kr/research/WSIS_CL.

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