Dedge-AGMNet:an effective stereo matching network optimized by depth edge auxiliary task
久しぶりにデファクトスタンダードになりそうなStereo Depthの論文を見つけてしまった。
今まではEdge Detectionを行う論文はいくつか見たが、Depth Edgeを推定する論文は初めて見たと思う(StereoDepthの論文は50本以上読んだ)。
新規性
AGM Moduleは今回は無視して、Depth Edge DetectionとDedge SPPを見ていきたいと思う。Depth Edge Detection
 上の図のFeature Extractionのbranchからそれぞれ畳み込み結合させ、最大値を取った後sigmoidを掛ける。sigmoidを掛ける事でDepth EdgeのProbabilityを0~1で正規化出来る。
2値分類問題でおなじみのBinary Cross Entropy Lossを用いる事で学習出来る。
Dedge-SPP
 推定したDepth Edgeを[PSMNet](https://qiita.com/minh33/items/b365e2fa66a3164a0177)で使われているSPP Moduleに結合する事でDepth Edgeの特徴量を組み込む事が出来る。結果
 Depth Edge Detectionのparameterをshareすることでよりmian BranchのFeature Extractionが一般化され精度が上がったように見える。意外な事にDedge SPPでDepth Edgeの情報を付与しても精度はさほど変わっていない。結論
・従来のEdge DetectionではInner Edgeを見つけてしまう事や、Semantic Segmentaionだと同じクラスの物体が隣あっている時にEdgeを検出出来ないという問題があった。それを今回のDepth Edgeでは本来の物体の境界線を推定する事が出来た。
Dege-SPPで精度が上がらなかったらしいのがなんか悔しいので、Depthの推定の前に結合して1 stride Conv2dを何枚か噛ませて、DepthのSmoothingとEdge辺りのDepthの補正が出来そう。