In deep learning-based methods, many approaches, such as network architecture modification and input source diversification, have been applied to achieve performance improvement. However, existing methods have developed in their own aspect rather than taking advantage of other methods. Furthermore, to the best of my knowledge, no attempt has been made to merge the well performing networks. In this paper, I proposed a network that improves performance and reliability by using state-of-the-art networks as the baseline and fusing the results obtained by the baseline network. I validate the efficacy of the proposed fusion framework on the task of semantic segmentation; I compare the results from SOTA methods with that of the proposed SOTA-fusion framework.
딥러닝 기반 방식에서는 성능 향상이라는 주 목표를 달성하기 위해서 네트워크 구조 개선, 입력 소스 다양화와 같은 방식들을 활용하고자 했다. 하지만 기존의 방식들은 서로 다른 방식의 장점을 활용하기 보다 독립적으로 발전해왔고 이미 학습된 결과물들을 활용하고자 하는 시도는 이뤄지지 않았다. 이 논문에서는 최고 성능의 네트워크들을 기반으로 활용함과 동시에 이를 통해서 얻어진 결과들을 융합하여 성능과 신뢰성 측면에서 개선시키는 네트워크를 제안하였다.
