약한 위치 단서
Seed는 객체가 존재하는 위치의 약한 단서를 학습의 출발점으로 사용한다. 전체 객체의 정확한 마스크를 직접 제공받는 방식과 다른 감독 조건이다.
객체 영역의 확장
Expand는 이미지에 어떤 범주가 나타날 수 있는지에 대한 정보를 이용한다. 적은 위치 단서에만 머무르지 않고 객체가 차지하는 영역을 확장하도록 학습한다.
경계에 맞는 제약
Constrain은 분할 결과가 객체의 경계와 맞도록 제한한다. 위치 단서와 영역 확장만으로 부족할 수 있는 공간적인 정확도를 보완하는 구성이다.
구성 요소의 비교
PASCAL VOC 2012에서 합성곱 신경망의 분할 결과를 평가했다. 각 손실 항과 그 조합이 품질에 미치는 영향을 따로 실험해 세 원리의 역할을 분석했다.
관련 문서
ScribbleSup / BoxSup / BoxInst / BoxTeacher / PointRend / Cityscapes