2달 전
Adaloss: Landmark Localization을 위한 적응형 손실 함수
Brian Teixeira; Birgi Tamersoy; Vivek Singh; Ankur Kapoor

초록
랜드마크 위치 추정은 컴퓨터 비전에서 다양한 응용 분야를 가진 어려운 문제입니다. 최근 딥 러닝 기반 방법들은 좌표를 직접 회귀하는 대신 가능도 맵을 회귀함으로써 개선된 결과를 보여주었습니다. 그러나 이러한 회귀 타겟의 정밀도를 훈련 중에 설정하는 것은 훈련 가능성과 위치 추정 정확성 사이의 균형을 맞추는 복잡한 과정을 초래합니다. 정밀한 타겟을 사용하면 상당한 샘플링 편향이 발생하여 훈련이 더 어려워지지만, 불정확한 타겟을 사용하면 랜드마크 검출기가 부정확해집니다. 본 논문에서는 "Adaloss"라는 목적 함수를 소개합니다. 이 함수는 훈련 통계량을 기반으로 타겟 정밀도를 업데이트하여 스스로 적응하며, 문제 특유의 매개변수 설정이 필요하지 않고 훈련 안정성이 개선되며 추론 시 더 나은 위치 추정 정확성을 제공합니다. 우리는 제안한 방법의 효과성을 세 가지 다른 랜드마크 위치 추정 응용 분야에서 입증하였습니다: 1) 의료 X-레이 이미지에서 캐터터 팁을 정확히 감지하는 어려운 작업, 2) 내시경 이미지에서 수술 도구의 위치 추정, 3) 야외 환경 이미지에서 얼굴 특징의 위치 추정이며, 이 마지막 항목에서는 300-W 벤치마크 데이터셋에서 최고 수준의 결과를 보여주었습니다.