- …
- …
#650
summarized by : maokura
どんな論文か？
弱教師ありで物体セグメンテーションを行うための新手法を提案．まずPeakResponseMapを画像から生成．PRMを元にPseudo GTの生成と物体のfillingを行い，InstanceActivationMapを生成．最後にConditionalRandomFieldで領域を確定．
新規性
Pseudo GTの生成を手法に取り込んだ．また，微分可能な物体周辺の着色を行うモジュールを設計した．本手法で得られるInstanceActivationMapは従来のCAMやPRMと違い物体全体をマスクすることができる．
結果
弱教師ありでのInstanceSegmentationのSoTA手法より良い結果を得られた．また処理時間も30倍近くになった．fine-tuningなしで別ドメインデータに適用し汎化性能の検証も行なったところ，既存のものに優っていた．
その他（なぜ通ったか？等）
- …
- …