패딩 모듈: 딥 뉴럴 네트워크에서 패딩 학습

지난 수십 년 동안, 많은 연구가 신경망의 성능을 개선하는 데 헌신되어 왔습니다. 예를 들어, 네트워크 아키텍처, 초기화 및 활성화가 있습니다. 그러나 딥러닝에서 학습 가능한 패딩 방법의 중요성과 효과를 조사하는 것은 상대적으로 열린 상태입니다. 이 격차를 줄이기 위해, 본 논문은 딥러닝 모델에 배치할 수 있는 새로운 훈련 가능한 패딩 모듈을 제안합니다. 패딩 모듈은 모델의 전체 손실 함수를 요구하거나 영향을 주지 않고 스스로 최적화할 수 있습니다. 패딩 모듈은 입력 데이터의 기본 구조를 활용하여 감독을 위해 입력에서 기준 진실과 예측기를 구성하여 스스로 훈련합니다. 결과적으로, 패딩 모듈은 입력 이미지나 특징 맵의 경계에 자동으로 픽셀을 패딩하는 방법을 학습할 수 있습니다. 패딩 내용은 입력 데이터에 대한 현실적인 확장이며 동시에 딥러닝 모델의 다운스트림 작업을 촉진합니다. 실험 결과, 제안된 패딩 모듈은 최첨단 경쟁자 및 기준 방법보다 우수한 성능을 보였습니다. 예를 들어, 패딩 모듈은 VGG16 및 ResNet50에서 테스트할 때 제로 패딩보다 각각 1.49% 및 0.44% 더 높은 분류 정확도를 기록했습니다.