#192
summarized by : Teppei Kurita
Dual Refinement Underwater Object Detection Network

どんな論文か?

一般的な物体検出用CNNを水中シーンで適用すると様々な要因(ブレ・テクスチャの歪み・照明の不均衡)によって上手くいかないことが多い。そこで水中シーンでも機能するような1ステージ型の物体検出手法を提案。
placeholder

新規性

特徴表現を強化させつつ、コンテキスト特徴を利用するための受容野Augmentationモジュールを提案したことが新規性。特徴表現の強化は、既存の特徴抽出のバックボーンを複合接続させる。ネット上から水中画像を多数収集して統合して10000万枚以上からなる新しいデータセットも生成。

結果

独自データセットで物体検出性能を定量的(mAP)に評価。ベースラインの手法と比較して性能改善を確認。

その他(なぜ通ったか?等)

問題設定提起と新規ネットワークモジュール提案・データセット生成の3点。一つ一つはそれほどのインパクトではないが、総合的に評価されたのでは。