#175
summarized by : pshiko
Don't Judge an Object by Its Context: Learning to Overcome Contextual Bias

どんな論文か?

マルチラベルタスクにおいて特定のクラスの組み合わせの出現頻度が高い場合, そのバイアスを学習することで, 出現頻度の稀なクラスの組み合わせで精度が落ちる現象がある。これに対し「クラス間が画像上の異なる情報を利用するように, クラス間のCAMの重なりにロスを設ける」 「特徴空間を文脈情報を利用する空間しない空間に分割して学習させる」2つの手法を提案。それぞれバイアスを持つデータセットで精度向上を確認
placeholder

新規性

出現頻度の低い組み合わせでの精度向上だけでなく, 高い組み合わせでも精度が落ちないような手法を提案した点

結果

COCO-Stuff, DeepFashion, Animals With Attributedなどのデータセットで典型的なラベルの組み合わせのデータで精度を殆ど落とさずに稀な組み合わせのデータでの精度向上を達成。2つの提案手法ではCAMを使った手法より、特徴分割の方が精度が基本的に高く、その要因が典型ラベル組み合わせにおいて、文脈情報を特徴分割の方がより取り入れられていることを定性的に確認

その他(なぜ通ったか?等)

シンプルながら新しい学習手法で, ロバスト性の高い特徴空間を得られている