의미 분할을 위한 베이지안 딥 러닝 방법 평가

딥 러닝은 컴퓨터 비전, 특히 의미 분할에 혁신적이었으며, 베이지안 딥 러닝(BDL)은 의미 클래스를 예측할 때 딥 모델로부터 불확실성 맵을 얻는 데 사용됩니다. 이 정보는 예를 들어 자율 주행을 위한 의미 분할을 사용할 때 중요합니다. 표준 의미 분할 시스템은 잘 확립된 평가 지표를 가지고 있습니다. 그러나 BDL의 컴퓨터 비전에서의 인기 상승과 함께, 우리는 한 BDL 방법이 다른 방법보다 더 나은 불확실성 추정을 생성하는지를 평가할 새로운 지표가 필요합니다. 본 연구에서는 의미 분할 작업을 위해 특별히 설계된 BDL 모델을 평가하기 위해 세 가지 지표를 제안합니다. 우리는 최첨단 딥 신경망 중 하나인 DeepLab-v3+를 수정하고, 추론 기술로 MC 드롭아웃과 콘크리트 드롭아웃을 사용하여 그 베이지안 대응물을 생성합니다. 그런 다음 우리는 제안한 지표를 사용하여 유명한 Cityscapes 데이터셋에서 이 두 추론 기술을 비교하고 테스트합니다. 우리의 결과는 연구자들이 보다 안전한 의미 분할을 추구하는 과정에서 개선된 불확실성 정량화를 비교하고 평가할 수 있는 새로운 벤치마크를 제공합니다.