- …
- …
#927
summarized by : Anonymous
どんな論文か？
CNNにおいて，特徴量を複数スケールにダウンサンプリングし，畳み込みを行ったのち，アップサンプリングして統合するScale Aggregation(SA) blockを導入するとともに，SA blockのスケールごとのニューロンの割合を計算コストと出力への寄与度を考慮して学習で決める機構を持つScaleNetを提案．ScaleNetはResNetの3x3 convをSA blockで置換した構造．
新規性
- 複数スケールの情報を有効に活用にするための，特徴量を複数スケールにダウンサンプリングし，畳み込みを行ったのち，アップサンプリングして統合するScale Aggregation(SA) blockの提案
- A blockのスケールごとのニューロンの割合を計算コストと出力への寄与度を考慮して学習で決める機構の提案
結果
物体識別ではImageNetのtop-1 errorでResNet101からScaleNet101で1.12ポイントの改善，物体検出ではMS COCOのmmAPでFaster R-CNNのバックボーンをResNet101からScaleNet101への変更で3.6ポイントの改善
その他（なぜ通ったか？等）
- …
- …