Open yiskw713 opened 4 years ago
Alexey Bokhovkin and Evgeny Burnaev
Aeronet, ADASE
2019
pdf
Semantic Segmentationにおいて,Cross Entropy や Dice Loss は境界に対して,うまくpenaltyを課すことができていない.本研究では,境界の精度を表す評価指標を微分可能な形に書き換えた新たなロスを提案している.
境界の評価指標としては BF1 Metric (#90 ) が用いられる.これを直接最適化するために,微分可能な形に書き換えた新たな損失関数を提案している.
まず,ground truth と prediction の boundary map を作成する.あるクラスのG.Tとpredictionの binary map を,ygt, ypdとする. これらを用いて,boundary map は以下のように表される.θ0は,window size を表すハイパラ.
次に,ユークリッド距離を計算するために,境界を引き伸ばしたマップを生成する(extend map)
これらを用いて,boundary のprecision とrecall を算出する.○ は,ピクセルごとの掛け算を表す.
以上より,BF1 Score を微分可能な形で表現でき,ロスは以下のように表される.
Oct. 4th, 2019
INFO
author
Alexey Bokhovkin and Evgeny Burnaev
affiliation
Aeronet, ADASE
conference or year
2019
link
pdf
概要
Semantic Segmentationにおいて,Cross Entropy や Dice Loss は境界に対して,うまくpenaltyを課すことができていない.本研究では,境界の精度を表す評価指標を微分可能な形に書き換えた新たなロスを提案している.
提案手法
境界の評価指標としては BF1 Metric (#90 ) が用いられる.これを直接最適化するために,微分可能な形に書き換えた新たな損失関数を提案している.
まず,ground truth と prediction の boundary map を作成する.あるクラスのG.Tとpredictionの binary map を,ygt, ypdとする. これらを用いて,boundary map は以下のように表される.θ0は,window size を表すハイパラ.![Screenshot from 2019-10-04 13-15-37](https://user-images.githubusercontent.com/38214459/66180745-28ce9700-e6a9-11e9-9d4b-92e0588cb25d.png)
次に,ユークリッド距離を計算するために,境界を引き伸ばしたマップを生成する(extend map)![Screenshot from 2019-10-04 13-15-52](https://user-images.githubusercontent.com/38214459/66180748-2a985a80-e6a9-11e9-9927-7fcce83f23e5.png)
これらを用いて,boundary のprecision とrecall を算出する.○ は,ピクセルごとの掛け算を表す.![Screenshot from 2019-10-04 13-15-57](https://user-images.githubusercontent.com/38214459/66180751-2c621e00-e6a9-11e9-8066-f1af5904fbfd.png)
以上より,BF1 Score を微分可能な形で表現でき,ロスは以下のように表される.![Screenshot from 2019-10-04 13-16-05](https://user-images.githubusercontent.com/38214459/66180753-2d934b00-e6a9-11e9-8222-9c496b944a7f.png)
date
Oct. 4th, 2019