Closed AtsukiOsanai closed 2 years ago
Semi-supervised Semantic Segmentationの代表的な解法であるpseudo label(PL)を教師データに用いる方法において、PLを不確実性を考慮することでより精度高く推定する手法の提案。2headsを用意し、weak/strong augmented画像からPL、Confidence mapをそれぞれ推定する。各ピクセルにおいて、確信度の高い側のheadの出力をPLとして使用することで、より信頼度の高いPLを生成することに成功した。
Contrastive Learningに類似のフレームワークを2つのヘッドによる共同学習に拡張した点。また確信度の低いカテゴリを重点的にサンプリングしCopy-Paste data augmentationを行うためのDynamic Cross-set Copy-Pasteを提案。
Cityscapes, VOC12 datasetで種々のSemi-supervised Semantic Segmentation手法と比較。データ数が1/16, 1/8, 1/4, 1/2のケースにおいて、提案手法は一貫して高いスコアをマーク。特にデータ数がもっとも少ない1/16の場合に既存手法に対する改善幅が大きい。
cvpaper.challengeに投稿済み
AtsukiOsanai
commented
2 years ago AtsukiOsanai
commented
2 years ago
UCC: Uncertainty guided Cross-head Co-training for Semi-Supervised Semantic Segmentation
Information
Summary
サマリ図表
どんな論文か？
Semi-supervised Semantic Segmentationの代表的な解法であるpseudo label(PL)を教師データに用いる方法において、PLを不確実性を考慮することでより精度高く推定する手法の提案。2headsを用意し、weak/strong augmented画像からPL、Confidence mapをそれぞれ推定する。各ピクセルにおいて、確信度の高い側のheadの出力をPLとして使用することで、より信頼度の高いPLを生成することに成功した。
新規性
Contrastive Learningに類似のフレームワークを2つのヘッドによる共同学習に拡張した点。また確信度の低いカテゴリを重点的にサンプリングしCopy-Paste data augmentationを行うためのDynamic Cross-set Copy-Pasteを提案。
結果
Cityscapes, VOC12 datasetで種々のSemi-supervised Semantic Segmentation手法と比較。データ数が1/16, 1/8, 1/4, 1/2のケースにおいて、提案手法は一貫して高いスコアをマーク。特にデータ数がもっとも少ない1/16の場合に既存手法に対する改善幅が大きい。
その他（なぜ通ったか？など）