객체를 감지하는 연구는 지도 학습 또는 반지도 학습 방식으로 많이 연구되고 있다. 그 중 객체 분할 연구는 이미지 내 존재하는 객체들을 픽셀 단위로 분할하는 연구 분야로, 이미지와 그에 대한 픽셀 단위의 정답 데이터(ground-truth; GT)를 필요로 한다. 하지만 모든 이미지에 대한 픽셀 단위의 정답 데이터를 얻는 것은 많은 시간과 비용이 든다. 특히, 항공영상 데이터셋은 정답 데이터의 수가 적으며, 작고 밀집된 객체가 많이 포함되어 있어 데이터 구축에 더욱 어려움을 겪는다. 본 논문에서는 이러한 데이터 구축의 어려움을 해소하고자 항공영상 데이터셋에 대한 수도 라벨 (pseudo label)을 생성하고 분석을 진행한다. 이를 위해 항공영상 데이터셋의 특징을 고려하여 normalized cut을 이용해 수도 라벨을 생성하고 생성한 수도 라벨의 정성적 성능을 확인한다.

A Study on Aerial Image Segmentation Using Normalized Cut

Min-Jin Kim, Dong-Hyeon Cho*

Research that detects objects has been widely studied using supervised learning or semi-supervised learning methods. Among them, instance segmentation is a task that segments and divides objects existing in images into pixels, and requires images and pixel-level ground-truth (GT) data. However, it is time-consuming and costly to obtain pixel-wise ground-truth for all images. In particular, aerial datasets have a small number of ground-truth and contain a large number of small and dense objects, making it more difficult to build datasets. In this paper, we generate and analyze pseudo labels for aerial datasets in order to solve the difficulty of building these datasets. To this end, we generate pseudo labels using normalized cut considering the characteristics of aerial datasets and confirm the qualitative performance of generated pseudo labels.

Keywords: pseudo label, aerial datasets, unsupervised learning, instance segmentation

Speaker 김민진 충남대학교