- …
- …
#163
summarized by : Shunsuke Yoshizawa
どんな論文か？
アノテーションの手間を省力化することを目的として落書きのような(scribble)アノテーションを利用したセグメンテーションの学習方法としてCycleMixを提案した。この手法ではmixupの手法を基礎としてmix前後の画像のセグメンテーション結果を比較することによって学習を効果的に進めることができる。
新規性
従来の手法ではSupervised learningを超える精度が出ないか、再ラベリングの必要があった。一方この手法ではラベリングの手間なしに、落書きのようなアノテーションをそのまま取り扱うことに成功している。
結果
データセットにはACDCとMSCMRsegを用いた。本論文で提案した手法を用いて学習した計算モデルは完全にラベル化されたデータセットを用いたUnetやPuzzleNetと同等以上の精度を得ることができた。
その他（なぜ通ったか？等）
再ラベルなどを行わずに完全にラベル化されたデータと同程度の精度を作ることができたことで、ラベル化の手間が削減できる可能性が示されたことのインパクトが評価されたと考えられる。他のデータセットへの応用可能性なども気になるところ。
https://github.com/BWGZK/CycleMix
- …
- …