earticle

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.