#308
summarized by : Ryo Nakamura
Dense Siamese Network for Dense Unsupervised Learning
Wenwei Zhang; Jiangmiao Pang; Kai Chen; Chen Change Loy

どんな論文か？

Dense predictionタスクのためのシンプルな教師なし学習フレームワークDense Siamse Network(Dense Siam)を提案．Dense Siamは，画素整合性と領域整合性を持つ1つの画像の2つのビュー間の類似性を最大化することにより視覚表現を学習するものである． DenseSiamをImageNetに適用し，様々な下流タスクにおいて競争力のある改善を得ることができた．
placeholder

新規性

・DenseSiamはクラスタリングを破棄する初の試みを行い，従来の最先端手法を2.1mIoU上回った． ・DenseSiamは，Siameseアーキテクチャを用いて，画素の埋め込みを出力し，画像の2つのビューから同じ画素の埋め込み間の類似度を最大化し，密な予測タスクに強い転送性を持つ密な表現を事前に学習する．

結果

・DenseSiamは，SimSiamと比較して，COCOインスタンスセグメンテーション，Cityscapesセマンティックセグメンテーション，PASCAL VOC検出において，それぞれ0.4 APmask，0.7 mIoU，1.7 APと自明な改善を得ることができる． ・教師なしインスタンスセグメンテーションでは，従来の最先端手法を2.1mIoU上回り，学習コストは約28%であった．

その他（なぜ通ったか？等）

GitHub:https://github.com/ZwwWayne/DenseSiam DenseSiamはクラスタリングを破棄する初の試みを行い，従来の最先端手法を2.1mIoU上回った．さらに学習コストも削減されたため．

    このページで利用されている画像は論文から引用しています．