파노라마 분할에서 인스턴스 객체의 경계 특징 추출이 부족하여 객체 경계 분할 실패 문제가 발생하는 점을 해결하기 위해 혁신적인 인스턴스 특징 심층 체인 학습 파노라마 분할 네트워크를 제안한다. 이 네트워크는 기본 체인 단위들로 구성되며, 단위 구조에 따라 특징 정보 처리 방법에 따라 특징 유지 체인과 특징 강화 체인 두 가지로 나뉜다. 특징 유지 체인은 체인 네트워크의 특징 추출 과정에서 입력 단계로서 입력 정보의 완전성을 보장하며, 이후 특징을 특징 강화 체인 구조로 전달한다; 특징 강화 체인은 자체 확장을 통해 네트워크 깊이를 심화시키고 특징 추출 능력을 향상시킨다. 체인 학습 네트워크는 우수한 깊이 누적 특성으로 인해 풍부한 경계 특징 정보를 획득할 수 있어 분할 정확도를 향상시킨다. MS COCO 및 Cityscapes 데이터셋에서의 실험 결과 본 논문에서 제안한 인스턴스 특징 심층 체인 학습 파노라마 분할 네트워크는 기존 유사 방법에 비해 분할 정확도가 우수하며, 파노라마 분할 네트워크에서 일반적으로 사용되는 Mask RCNN 인스턴스 분할 구조와 비교할 때 분할 정확도가 최대 0.94% 향상되었다.

파노라마 분할;인스턴스 특징;경계 특징;체인 네트워크;지름길 연결