#442
summarized by : ERLYN MANGUILIMOTAN
Co-Occurrent Features in Semantic Segmentation

どんな論文か?

本稿では、CFM(co-occurrent feature model)を導入して、共存機能を利用する方法について説明します。 CFMは、共起する特徴とターゲットの間の類似性を測定することによって固有の表現を学習し、それらが共起する可能性があることを示します。
placeholder

新規性

特徴の共起は、所与のターゲット特徴、すなわち同時発生特徴モデル(CFM)上で条件付けられた特徴空間にわたる確率分布としてモデル化される。提案されたCFMでは、同時発生機能ネットワーク。添付の図3はそのアーキテクチャーを示しています。

結果

CFNetは、オブジェクトセグメンテーションのゴールドスタンダードベンチマークの1つであるPascal VOC 2012を使用して評価されました。 Resnet-101では、テストセットで84.2%のmIoUで以前の仕事より優れていました。 提案されたCFNetは、共起する機能の意味的な依存関係をうまく捉えて利用します

その他(なぜ通ったか?等)

ADE20Kを使用すると、CFNetは同じベースネットワークを使用してFCNのパフォーマンスを3.5%以上向上させます。