- …
- …
#230
summarized by : 藤中彩乃
どんな論文か？
生物画像から重なっているオブジェクトを分離するために，U-Netの各upscaling blockの最初の畳み込み層をSinConv layerで置き換えて提案手法とした．U-Netと比較してネットワークの構造が大幅に簡略化され，汎用性が上がった．
新規性
単純なネットワークで複雑なネットワークと同程度の精度を出せると示したこと．
結果
植物画像 (CVPPPベンチマーク) ，大腸菌画像，HeLaがん細胞画像，C.elegansという合計4種のデータセットにおいて，提案手法の分離精度がdiscriminative lossなどのベースラインを上回ったが，MS COCOデータセットではMask RCNNを下回った．
その他（なぜ通ったか？等）
- …
- …