#596
summarized by : Atsuki Osanai
UCC: Uncertainty Guided Cross-Head Co-Training for Semi-Supervised Semantic Segmentation

どんな論文か?

半教師あり領域分割の代表的な解法である疑似ラベル(PL)を教師データに用いる方法において、PLを不確実性を考慮することでより精度高く推定する手法の提案。2つのヘッドを用意し、weak/strong augmented画像からPL、確信度マップをそれぞれ推定する。各ピクセルにおいて、確信度の高い側のヘッドの出力をPLとして使用することで、より信頼度の高いPLを生成することに成功した。
placeholder

新規性

Contrastive Learningに類似のフレームワークを2つのヘッドによる共同学習に拡張した点。また確信度の低いカテゴリを重点的にサンプリングしCopy-Paste data augmentationを行うためのDynamic Cross-set Copy-Pasteを提案。

結果

Cityscapes, VOC12 datasetで種々の半教師あり領域分割手法と比較。データ数が1/16, 1/8, 1/4, 1/2のケースにおいて、提案手法は一貫して高いスコアをマーク。特にデータ数がもっとも少ない1/16の場合に既存手法に対する改善幅が大きい。

その他(なぜ通ったか?等)