Open Yagami360 opened 4 years ago
アーキテクチャの全体像
Atrous convolution (Dilated Convolution) セグメンテーションセグメンテーションでは、スケール不変性(オブジェクトが画面端にあろうが画像全体にあろうが、オブジェクトをセグメンテーション出来る性質)が実現出来ている必要があるが、そのためにはマルチスケールでの特徴量を取り込むことが重要になってくる。
Atrous convolution は、畳み込みフィルタの field-of-view を調整可能とすることで、より広い範囲の特徴量を取り込むことを可能にした畳み込み処理であり、以下の式のように定式化される。
Atrous depthwise separable convolution
encoder に DeepLab v3 を使用
decoder のアーキテクチャ
セグメンテーション用に Xception を改良
ベースネットワーク(ResNet101 -> セグメンテーション用に改良した Xception)での定量比較
他のセグメンテーションモデルとの定量比較
Decoder 追加によるオブジェクト境界品質改善の検証
セグメンテーション品質の定性的検証
0. 論文情報・リンク
1. どんなもの?
2. 先行研究と比べてどこがすごいの?
3. 技術や手法の"キモ"はどこにある?
アーキテクチャの全体像
Atrous convolution (Dilated Convolution) セグメンテーションセグメンテーションでは、スケール不変性(オブジェクトが画面端にあろうが画像全体にあろうが、オブジェクトをセグメンテーション出来る性質)が実現出来ている必要があるが、そのためにはマルチスケールでの特徴量を取り込むことが重要になってくる。
Atrous convolution は、畳み込みフィルタの field-of-view を調整可能とすることで、より広い範囲の特徴量を取り込むことを可能にした畳み込み処理であり、以下の式のように定式化される。
Atrous depthwise separable convolution
encoder に DeepLab v3 を使用
decoder のアーキテクチャ
セグメンテーション用に Xception を改良
4. どうやって有効だと検証した?
ベースネットワーク(ResNet101 -> セグメンテーション用に改良した Xception)での定量比較
他のセグメンテーションモデルとの定量比較
Decoder 追加によるオブジェクト境界品質改善の検証
セグメンテーション品質の定性的検証
5. 議論はあるか?
6. 次に読むべき論文はあるか?
7. 参考文献