セグメンテーションこそがすべてである

領域提案メカニズムは、画像内の物体検出における既存の深層学習アプローチにおいて不可欠な要素です。通常の状況下では、一般的に良好な検出性能を達成できますが、極端なケースが含まれるシーンでの再現率は許容できないほど低いです。これは主に、バウンディングボックスのアノテーションに多くの環境ノイズ情報が含まれており、非最大値抑制（Non-Maximum Suppression, NMS）が必要となるためです。本論文では、NMSを必要としないアンカーなしの物体検出モデルである弱教師付きマルチモーダルアノテーションセグメンテーション（Weakly Supervised Multimodal Annotation Segmentation, WSMA-Seg）を提案します。WSMA-Segでは、弱教師付きバウンディングボックスを使用してインスタンス認識セグメンテーションを実現するためにマルチモーダルアノテーションを提案し、さらに走行データに基づく追跡アルゴリズムを開発して物体の輪郭を追跡します。また、WSMA-Segの基盤となるセグメンテーションモデルとして多尺度プーリングセグメンテーション（Multi-Scale Pooling Segmentation, MSP-Seg）を提案し、より正確なセグメンテーションとWSMA-Segの検出精度向上を実現しています。複数のデータセットに対する実験結果は、提案されたWSMA-Segアプローチが最先端の検出器を超えることを示しています。