要約
ランドマークの局所化は、コンピュータビジョンにおける挑戦的な問題であり、多様な応用が存在します。最近の深層学習に基づく手法では、座標を直接回帰する代わりに尤度マップを回帰することで、改善された結果が示されています。しかし、これらの回帰ターゲットの精度を訓練中に設定することは、訓練の容易さと局所化精度の間でトレードオフが生じるため、煩雑なプロセスとなっています。正確なターゲットを使用すると显著なサンプリングバイアスが導入され、訓練がより困難になる一方で、不正確なターゲットを使用するとランドマーク検出器の精度が低下します。本論文では、「Adaloss（アダロス）」という目的関数を提案します。この関数は訓練統計情報に基づいてターゲット精度を更新することにより、訓練中に自己適合します。このアプローチは問題固有のパラメータを設定する必要がなく、訓練の安定性向上と推論時の優れた局所化精度を示しています。我々は提案手法の有効性を以下の3つの異なるランドマーク局所化応用において実証しました：1) 医療X線画像におけるカテーテル先端の精密検出という難問、2) 内視鏡画像における手術器具の局所化、3) ワイルド環境下での顔特徴点の局所化において300-Wベンチマークデータセット上で最先端の結果を達成しています。