- …
- …
#646
summarized by : 金城 忍
どんな論文か？
バウンディングボックス内・外の任意の水平、垂直方向の情報及び事前に抽出された注目物体領域を弱教師信号として利用し、MIL損失を評価する一方で、ピクセル単位の損失も評価することで、クラスに依存しないセグメンテーションを実施する提案
新規性
MIL損失に注目物体領域を弱教師信号として利用して領域ごとの顕著性を学習することで得られる損失を取り入れ、セグメンテーションを実施するという点で新規
結果
HRNetV2をベースに、COCO 2017、PASCAL VOC及びDUTS-TRで評価において、提案手法が既存手法よりよい結果を達成する一方で、注目物体領域の画像の数に応じて精度 (mIoU, IoU, AP) が向上することを確認した
その他（なぜ通ったか？等）
- …
- …