#221
summarized by : Rei Tamaru
KE-GAN: Knowledge Embedded Generative Adversarial Networks for Semi-Supervised Scene Parsing
Mengshi Qi, Yunhong Wang, Jie Qin, Annan Li

どんな論文か？

GANを半教師あり学習に拡張し、コーパスで用いられるKnowledge Graphを組み込むことで、scene parsingにおいて、異なるラベル間におけるsemantic consistencyの受け渡しを可能とし、より高精度な予測を図る手法を提案。
placeholder

新規性

最小限のラベル付き訓練画像をGANを用いて拡張し、加えて異なるクラス間におけるsemantic correlationsを取得するために、ドメイン知識を組み込んだ。

結果

ADE20K、Cityscrapes、CamVidのデータセットに対して、KE-GANで予測した結果、従来手法に比べclass accuracy、per-pixel accuracy、mIoUがそれぞれ向上。特にピラミッド構造のGANを用いたことで、少ない量のデータに対しても予測可能であった。

その他（なぜ通ったか？等）

このページで利用されている画像は論文から引用しています．