- …
- …
#335
summarized by : Ryo Nakamura
どんな論文か？
Weakly supervised object localization(WSOL)の問題である1)クラス間の類似性が無視されてきたこと2)CAMの生成は最後の完全連結層に大きく依存し最終的な予測において偽陽性（すなわち，ノイズ）および偽陰性（すなわち，コンテンツ消失）に悩まされていた．クラス間特徴類似度とクラス内外観整合性(ISIC)というモデルを提案し，問題の改善をおこなった．
新規性
分類とは逆に，クラス間の類似性を抑制し維持するために，ICFS損失を提案．
このようなICFS損失は，識別特徴を過剰に最適化するリスクを大幅に低減することができるため、オブジェクトのより完全な領域を活性化することが可能．
物体マスク生成のために，オリジナルのCAMを非負行列分解に置き換えることを提案．分類層と背景ノイズによる過剰識別の影響を回避することが可能となった．
結果
提案手法は，WSOLのCUB-200-2011とImageNet-1Kの両ベンチマークにおいて一貫した大幅な向上しSoTAを達成した．
その他（なぜ通ったか？等）
WSOLの問題点として，クラス間の類似性が無視されてきたこととノイズやコンテンツ消失を指摘し，それらを解決する方法を提案し，SoTAを達成した点．WSOLの性能向上を目的としたクラス間類似度を抑制する損失を提案したのは，本論文が初めて．
- …
- …