17日前

CondNet:シーンセグメンテーションのための条件付き分類器

Changqian Yu, Yuanjie Shao, Changxin Gao, Nong Sang
CondNet:シーンセグメンテーションのための条件付き分類器
要約

完全畳み込みネットワーク(FCN)は、シーンセグメンテーションをはじめとする密度高い視覚認識タスクにおいて、著しい成果を上げている。FCNの最終層は通常、各ピクセルを意味ラベルに分類するためのグローバル分類器(1×1畳み込み)として機能している。本研究では、実験的にこのグローバル分類器がクラス内差を無視するため、最適な結果に至らない可能性があることを示している。本研究では、従来のグローバル分類器に代わる条件付き分類器を提案する。この新たな分類器は、入力に応じてカーネルを動的に生成する仕組みを採用している。本分類器の主な利点は以下の通りである:(i) クラス内差に注目できるため、より強固な密度高い認識能力を発揮する;(ii) 条件付き分類器は構造が単純かつ柔軟であり、ほぼ任意のFCNアーキテクチャに容易に統合可能で、予測性能の向上が期待できる。広範な実験により、提案する分類器が従来の分類器に対して優れた性能を発揮することが確認された。条件付き分類器を搭載したフレームワーク(通称:CondNet)は、2つのデータセットにおいて新たなSOTA(State-of-the-art)性能を達成した。コードおよびモデルは、https://git.io/CondNet にて公開されている。