Earticle

초록

한국어

본 논문에서는 기존 U-Net모델을 기반으로 skip-connection 과정에 cross-attention을 적용하여 retinal vessel segmentation 성능을 향상 시키는 모델을 제안한다. U-Net은 encoding과 decoding 과정 동안 발생한 edge information의 손실을 보완하기 위해 skip-connection 구조를 사용한다. 하지만 이러한 구조는 불필요한 information이 함께 전달되어 noise가 발생하는 문제점이 있다. 이를 해결하기 위해 skip-connection에 attention gate를 적용하여 필요한 성분만 추출하는 attention U-Net 모델이 제안되었다. 그러나 encoder의 상위 layer feature에는 context information이 부족하기 때문에 pixel classification 성능에 열화를 일으킬 수 있다는 문제점이 존재한다. 따라서 본 논문은 기본 U-Net의 skip-connection 과정에서 발생하는 edge와 context information 손실을 방지하기 위해 crossattention 구조를 사용한 새로운 network를 제안한다. 제안된 방법은 Drive dataset에서 96.89%의 분류 정확도를 보여, 기존 U-Net 모델과 Attention U-Net 모델 대비 가장 좋은 성능을 보인다.

목차

요약
1. 서론
2. 관련연구
2.1 U-Net
2.2 Cross-Attention
3. 제안방법
3.1. Cross-Attention구조의 skip-connection적용
3.2. 실험환경
4. 실험결과
5. 결론
Acknowledgement
참고문헌

키워드

저자

• 이경희 [ 서강대학교 컴퓨터공학과 ]
• 박운상 [ 서강대학교 컴퓨터공학과 ] 교신저자

참고문헌

발행기관

간행물

표지보기 관심저널 등록

• 간행물명

  한국차세대컴퓨팅학회 학술대회

• 간기

  반년간

• 수록기간

  2021~2025

• 십진분류

  KDC 566 DDC 004