本研究は、深層ニューラルネットワークをエンドツーエンドの画像ピクセルクラスタリングに訓練するための新しい学習目標を提案しました。この手法は、画像セマンティックセグメンテーションと物体検出の交差点にあるインスタンスセグメンテーションに適用されました。私たちは、インスタンスラベリングの最も基本的な特性であるピクセル間のペアワイズ関係を監督情報として利用し、これを基に学習目標を定式化し、完全畳み込みネットワーク（FCN）をピクセル単位でのクラスタリングを行うために訓練しました。得られたクラスタは直接インスタンスラベリングとして使用できます。さらに、無限数のインスタンスに対するラベリングをサポートするために、グラフ彩色理論からのアイデアを提案された学習目標に組み込みました。Cityscapesデータセットでの評価では、強力な性能が示され、コンセプトの有効性が証明されました。また、2017年のCVPR自動運転チャレンジにおける車線検出競争で2位となり、外部データを使用せずに最上位のパフォーマンスを達成しました。