#55
summarized by : Hiroaki Aizawa
Incremental Few-Shot Instance Segmentation
Dan Andrei Ganea, Bas Boom, Ronald Poppe

どんな論文か？

Few-shot instance segmentationで柔軟にかつ省メモリに新規クラスを追加するiMTFAを提案．これまで新規クラスを認識したいとき，新規クラスと既知クラスの両方が学習に必要であり実用的ではなかった．学習時はインスタンス単位の特徴ベクトルを抽出し，クラス単位の重みベクトルとして保存する．テスト時はこの重みと候補領域のコサイン類似度ベクトル間を比較することで実現．
placeholder

新規性

incrementalに新規クラスを追加可能なfew-shot instance segmentationの枠組みを提案．先行研究と異なり，段階的に新規クラスを追加でき，再学習の必要がなく，学習時の既知クラスの情報も利用しない．提案手法はMask R-CNNをベースにしているが，Maskの予測器はクラスに依存しないため，マスクラベルも必要がない．

結果

Few-shot instance segmentationと，incrementalな場合の両方の設定で既存の手法を上回りSOTAを達成．また，強力なnon-incrementalな既存手法とclass-specificなベースラインと比較するために，few-shot object detection手法を拡張したMFTAを新たに設計して実験している．こちらもSOTAを達成．

その他（なぜ通ったか？等）

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．