要約
ワイドリジッドネットワーク（Wide-ResNets）は、少ない数のリジッドブロックを積層し、大きなチャネル数を採用する、リジッドネットワーク（ResNets）の浅いが広いモデルの一種であり、複数の密度予測タスクにおいて優れた性能を示している。しかし、導入されて以来、Wide-ResNetアーキテクチャは数年間にわたりほとんど進化を遂げていない。本研究では、セマンティックセグメンテーションとインスタンスセグメンテーションを統合することを目的とする近年の挑戦的タスクであるパノプティックセグメンテーションを対象に、このアーキテクチャの設計を見直す。単純かつ効果的なシーザー・アンド・エキサイト（Squeeze-and-Excitation）とスイッチ可能アトラス畳み込み（Switchable Atrous Convolution）をWide-ResNetsに組み込むことで、ベースラインモデルを構築する。その後、ネットワーク容量を幅（すなわちチャネル数）および深さ（すなわち層数）を調整することで拡張または縮小可能となり、SWideRNets（Scaling Wide Residual Networksの略）と呼ばれる一連のモデルが得られる。本研究では、こうした単純なスケーリング戦略とグリッドサーチを組み合わせることで、高速モデル領域および強力モデル領域の両方において、パノプティックセグメンテーションデータセットで最先端の性能を大幅に向上させる複数のSWideRNetsを同定することを示した。