계층마다 다른 정보
합성곱 신경망의 얕은 계층과 깊은 계층은 서로 다른 특성의 영상 정보를 표현할 수 있다. 이 연구는 마지막 합성곱 계층만 결합하는 대신 여러 수준의 특징 지도를 사용한다.
특징을 가중 결합하기
특징 추출 신경망 뒤의 인코딩 네트워크가 저수준과 고수준 특징 지도에 가중치를 준다. 서로 다른 수준의 정보를 현저성 예측에 함께 반영하려는 구성이다.
사전 정보의 학습
특징 결합과 별도로 사전 정보를 학습하는 네트워크를 포함한다. 최종 예측에서 영상 특징과 학습된 사전 정보가 어떤 역할을 하는지 구분해 살필 수 있다.
다중 수준의 검증
특징을 여러 개 넣었다는 사실만으로 개선의 원인이 확정되지는 않는다. 계층 조합과 가중 결합, 사전 정보 모듈을 각각 비교해야 어느 구성이 결과에 기여했는지 판단할 수 있다.
관련 문서
Deep Gaze I / DeepGaze IIE / SALICON / 합성곱 신경망 / 특징 피라미드 네트워크 / 컴퓨터 비전