Open yiskw713 opened 4 years ago
Nikita Araslanov, Stefan Roth
Department of Computer Science, TU Darmstadt
CVPR2020
pdf 実装
シングルステージモデルでの弱教師ありセマンティックセグメンテーションに取り組んだ研究． 本研究では，弱教師ありセグメンテーションにおいて必要な3つの特性を定義している． i) local consistency ... 見た目が類似している近接したピクセルには，同じラベルが割り当てられるべきである ii) semantic fidelity ... 妥当なクラス分類を可能にするようなセグメンテーションマスクを作り出せるモデルであること (例: CAMなど) iii) completeness ... 画像内に存在する全てのクラスを特定することができる
そして，これらの3つの特性を実現するために， 1) 分類スコアを算出するための normalised Global Weighted Pooling 2) 出力されるマスクが外見の手がかりを考慮するようにする Pixel-Adaptive Mask Refinement 3) psuedo label の不正確さによる複合的な作用に対抗するための，Stochastic Gate を提案している．
これらにより，シングルステージのモデルで，マルチステージモデルと同等かそれ以上の精度を達成しつつ，よりシンプルで使いやすいモデルとなっている．
INFO
author
Nikita Araslanov, Stefan Roth
affiliation
Department of Computer Science, TU Darmstadt
conference or year
CVPR2020
link
pdf 実装
概要
シングルステージモデルでの弱教師ありセマンティックセグメンテーションに取り組んだ研究． 本研究では，弱教師ありセグメンテーションにおいて必要な3つの特性を定義している． i) local consistency ... 見た目が類似している近接したピクセルには，同じラベルが割り当てられるべきである ii) semantic fidelity ... 妥当なクラス分類を可能にするようなセグメンテーションマスクを作り出せるモデルであること (例: CAMなど) iii) completeness ... 画像内に存在する全てのクラスを特定することができる
そして，これらの3つの特性を実現するために， 1) 分類スコアを算出するための normalised Global Weighted Pooling 2) 出力されるマスクが外見の手がかりを考慮するようにする Pixel-Adaptive Mask Refinement 3) psuedo label の不正確さによる複合的な作用に対抗するための，Stochastic Gate を提案している．
これらにより，シングルステージのモデルで，マルチステージモデルと同等かそれ以上の精度を達成しつつ，よりシンプルで使いやすいモデルとなっている．
提案手法
検証
新規性
議論，展望
Comment
date