- …
- …
#377
summarized by : Kazuki Omi
どんな論文か？
複数のデータセットに対して有効な検出器の提案している．
複数データセットを1つのデータセットとして学習させると，データセットサイズやクラス分布のアンバランスのためうまくいかない．（つまりデータ数の大きなデータセットを中心に学習し，データ数の小さなデータセットは学習されにくい）
以上の問題を解決するような分類法を定式化している．
新規性
複数のデータセットに対して有効な検出器を学習させる従来の手法は，特徴抽出機を共有し，出力層をデータセット毎に用意し，それぞれのデータセット毎の損失から最適化するといったものであった．
提案手法ではデータセット毎に損失を計算するのではなく全てのデータセットで統合的に損失を計算して最適化している．
結果
COCO, OpenImages, Objects365, Mapillaryといった4つのデータセットで学習を行い，CityScapesやPascal VOCなどの学習時には用いない7つのデータセットで検証を行い良好な結果を得た．（ただし，テストデータセットのラベルと学習に用いたデータセットのラベルの対応関係を単語埋め込み距離GloVeを用いている）
その他（なぜ通ったか？等）
https://github.com/xingyizhou/UniDet
- …
- …