概要
セマンティックセグメンテーションは、
機械学習を使って画像や動画に対して見えている物体をピクセル単位で判別し、色を塗り分けるタスクですが、
昨今はいろいろなモデルが登場し、自動運転などのアプリケーションを対象とした、
リアルタイム性のあるものも登場しています。
今回は、そのようなセマンティックセグメンテーションモデルのまとめをやってみようと思います。
よく使われるオープンデータセット
まずは、SoTAなどを叩き出しているモデルたちが使っている、オープンデータセットの紹介を行います。
これらのオープンデータセットを用いてモデルの精度と速度を比較し、それらが改善したというような論文が数多く出ています。
いろいろなデータセットがあるので、一度チェックしてみると面白いと思います。
Pascal Context
400 以上のクラスを持ったデータセットで、３つのカテゴリを持っています。
さまざまなシチュエーションでのセグメンテーションに使用されます。
４００以上のクラスはあるものの、データセットはスパースであり、頻出の５９クラスに対して学習データとして用いられることが多いようです。
リンクはこちら。
City Scapes
セマンティックセグメンテーションを行ったことがある人は必ずみたことがあるデータセットです。
自動運転のセグメンテーションに使用されます。
３０クラスの塗り分けがされており、５０００枚の画像が緻密にアノテーションされたもの、２００００の画像は荒くアノテーションされている、とあります。
リンクはこちら。
CamVid
これもよく出てくるデータセットです。自動運転のセグメンテーションに使用されます。
約７００フレームの画像と、３２のクラスが含まれたデータセットです。
リンクはこちら。
COCO-Stuff
巨大なデータセットであり、16.4 万画像を持ち、１７２のカテゴリに別れた８０個、９１個の大小の物体を含んでいます。
リンクはこちら。
Foggy CityScapes
先ほどのCityScapeデータセットの、霧がかかっているバージョンです。
このデータセットは、CityScapeデータセットに対して人工的に霧（もや）を重ねたものです。
みてみると、非常に自然に霧がかかっているように見えます。
データ自体はCityScapeを受け継いでいるので、CityScapeで結果の出たモデルに対して、
天候がどう影響するのか、ということをテストするのに最適なデータセットです。
リンクはこちら。
ADE20k
風景のセグメンテーションデータセットです。名前にもある通り、２万枚の画像を含んでおり、
細かいアノテーションがされた大きなデータセットとなっています。
空、道路、芝生、人、車、ベッドなど、さまざまなオブジェクトがアノテーションされています。
リンクはこちら。
まとめ
今回は、セマンティックセグメンテーションの多アスクで頻出のデータセットについて
今一度紹介しました。次は実際のSoTAを叩き出しているアルゴリズムについてまとめていきたいと考えています。
今回はこの辺で。