- …
- …
#285
summarized by : Tatsuya Onishi
どんな論文か？
これまでの疑似ラベルを用いる半教師ありセマンティックセグメンテーション手法では，信頼度の高いピクセルのみを擬似的な正解ラベルとして用いるのみであった．ここで，信頼度の低いピクセルでもラベルの予測値は残り数択まで絞れていることが多い（多くの選択肢は除外されている）という性質を用いて，多くのピクセルに擬似ラベルを付与する手法を考案している．
新規性
これまで疑似ラベルとしては使用されなかった信頼度の低いピクセル群を，負例として用いてcontrastive lossを計算した．ラベルのない画像では，ピクセルのクラス予測結果がばらついており（エントロピーが一定値より大きく），かつクラスcの予測順位がたとえば3位以下であるようなピクセルが，クラスcに対する負例になる．
結果
実験の結果，既存の半教師ありセマンティックセグメンテーションを行う様々なSOTA手法を上回ることに成功した．また質に関しても，様々な画像においてクラスの境界（例：馬に乗っている人の足と馬の境界）が既存の手法と比べて上手く分離できていることが判明した．
その他（なぜ通ったか？等）
センター試験の国語でも2択にまでは絞れるけどそこからが……という場合が多かったので，そのような「序盤に外される選択肢」を学習にしっかり用いるのは確かに妥当だなと感じた．
Project: https://haochen-wang409.github.io/U2PL
- …
- …