[J.Long+CVPR2015]Fully Convolutional Networks for Semantic Segmentation

[yusukekyokawa]

書誌情報

論文リンク

https://www.cv-foundation.org/openaccess/content_cvpr_2015/papers/Long_Fully_Convolutional_Networks_2015_CVPR_paper.pdf

著者/所属機関

Jonathan Long∗ Evan Shelhamer∗ Trevor Darrell UC Berkeley

conf/journal

CVPR

year

2015

どんな論文か？

セグメンテーションモデル． 畳み込み層のみで構成されている．FCNは全結合の代わりに1x1の畳み込み層，出力層にGAPを利用． これにより，入力画像サイズが異なる場合でお物体認識やセグメンテーションができる構造になった． また，GAPの利用により，出力層直前の層は特徴マップの各チャンネルが特定の物体クラスを表現するようになった． それぞれのチャンネルは，そのクラスの物体クラスが含まれる領域付近の要素が高い値となるような特徴マップになります． FCNではこの特徴マップを拡大してセグメンテーションを行う． ただし，出力層近くの特徴マップはプーリング処理により，小さなサイズとなっているため，特徴マップを拡大すると物体の境界がぼんやりとしたセグメンテーション結果となります．そこで，サイズが大きい途中の特徴マップも利用． 特徴マップの大きさが異なるので，Deconvolutionを利用して，途中の特徴マップと同じサイズになりようにする． そして，特徴マップを連結後，畳み込み処理を行い，セグメンテーションを行う． 特徴マップを利用する処理を徐々に拡大していくように複数回施すことで，物体の詳細な情報を捉えるセグメンテーションができるようになります．

新規性

手法

結果

コメント

実験結果を見ておく

[yusukekyokawa]