4주차

논문 리뷰

계획

Stacked Hourglass Networks,

결과

<Hourglass>

설계 배경: 인간의 포즈를 추정하기 위해 모든 scale에서 정보를 포착해야 하는데 이를 가능하게 하기 위해 만들어짐 -> Hourglass 네트워크는 다양한 scale에서 이미지의 특징을 처리하고 통합하는 메커니즘을 가짐

구조: 각 해상도에서 공간 정보를 보존시킬 수 있는 skip-layer가 있는 단일 파이프라인을 사용함 -> 이 구조는 max-pooling 을 한 각 층에서 또 Convolution을 적용한 skip-layer를 만들어 max-pooling을 계속 적용시키고 다시 Up-Sampling할 때 전에 skip-layer에 있던 정보를 합쳐서 정보를 보존해줌

<Stacked Hourglass>

설계 배경: 단일 Hourglass에서의 intermediate supervision의 사용은 깊은 특징이 low-resolution(깊은 층)에서만 존재하는 문제를 발생시킴 -> stacked-Hourglass 방식은 초기에 local, global cue를 통합해서 네트워크를 거치기 전에 이미 모든 부분에 대해 이해를 잘한 상태라 이 상태에서 레이어를 거치면서 더 깊은 특징들을 학습할 수 있게 함

구조: hourglass를 여러개 stack한 구조로 하나의 hourglass 모듈을 사용해 intermediate predications을 다시 특징 공간으로 통합하고, 이러한 특징들을 다음 hourglass 모듈의 입력으로 사용함

• 2024 8