Earticle

초록

한국어

영상 분할은 각 영상 픽셀에 연결된 클래스 레이블로 레이블을 지정하는 과정이다. 대부분의 이미지 분할 작업은 U-Net과 같은 인코더 기반 방식을 사용하며, 이는 영상 분할에 가장 많이 사용되는 딥러닝 방법중 하나이다. 본 논 문에서는 피부 병변 분할을 위한 새로운 공간 그룹 컨벌루션(SGC, Spatial Group Convolutions)을 이용한 인코 더 기반 영상 분할 방법을 제안한다. SGC는 1×1, 3×3, 5×5, 7×7과 같은 여러 크기의 변환 커널을 사용하고 이러 한 각 k×k 커널 크기의 연산은 k×1 변환과 1×k 변환의 조합으로 분해될 수 있다. 두 개의 1-D 커널을 사용하는 크기가 큰 커널은 공간 정보의 특징을 더 잘 추출할 수 있으며 제한된 학습 가능 파라미터 보다 개선된 모델 학습을 보여준다. SGC 기반 제안 모델은 모델 매개변수의 수를 크게 감소시키면서 분할 정확도가 향상되었음을 실험을 통 해 검증하였다. PH2 테스트 데이터셋에서 제안된 방법에 대한 평균 Jaccard 지수는 89%, 평균 Dice 점수는 93.84%, 평균 정확도 값은 95.99%으로 기존의 방법에 비해 우수한 분할 성능을 보여준다.

영어

Semantic image segmentation is the process of labeling each image pixel with its associated class label. Most of the image segmentation task use an encoder-decoder-based method, like U-Net and its variants which is a popular strategy for solving segmentation tasks. In this paper, we propose an encoder-decoder-based approach with novel spatial group convolutions (SGC) for skin lesion segmentation. The SGC employ multiple-sized convolution kernels such as 1×1, 3×3, 5×5, 7×7, where each of these k×k kernel operations is decomposed as the combination of k×1 convolution followed by 1×k convolution. The large kernel using two 1-D kernels is likely to have better spatial information of the features and shows the improved model learning with the limited learnable parameters and more discriminative feature extraction. The SGC-based proposed model shows improved segmentation accuracy with a significantly reduced number of model parameters. The mean Jaccard index for the proposed method is 89%, the mean dice score is 93.84%, and the mean accuracy value is 95.99 %, with 0.4 million parameters for the proposed method on the PH2 test dataset.

목차

요약
Abstract
1. Introduction
2. Related works
3. Proposed method
3.1 Spatial group convolutions
3.2 Encoder
3.3 Decoder
4. Experimental results
5. Conclusions
References

저자

• 챠이트라 다야난다 [ Chaitra Dayananda | 조선대학교 IT융합대학 정보통신공학부 ]
• 유원상 [ Wonsang You | 선문대학교 공과대학 정보통신공학과 ]
• 이범식 [ Bumshik Lee | 조선대학교 IT융합대학 정보통신공학부 ] Corresponding author

참고문헌