要約
最近の畳み込みニューラルネットワーク（CNN）の進歩により、画像中の物体位置特定において著しい成果が得られています。これらのネットワークでは、通常、学習手続きにバウンディングボックスや予想される最大物体数を提供する必要があります。本論文では、手描きで時間のかかるアノテーションされたバウンディングボックスを使用せずに物体位置を推定するタスクに取り組んでいます。我々は、任意の完全畳み込みネットワーク（FCN）で物体位置を推定するために使用できる損失関数を提案します。この損失関数は、2つの順序付けられていない点集合間の平均ハウスドルフ距離の変形版です。提案手法では、バウンディングボックス、領域提案、またはスライドウィンドウといった概念は一切使用しません。我々は人の頭部、瞳孔中心、および植物中心の位置特定のために設計された3つのデータセットを使用して方法を評価しました。その結果、最先端の汎用物体検出器や瞳孔追跡向けに微調整された手法よりも優れた性能を示しています。