概要
深層学習を活用したSemantic Segmentationについての論文をピックアップし掲載する。
FCN(Fully Convolutional Networks)
畳み込みのみで表現されたネットワークで全結合層がないことが特徴。
スキップアーキテクチャーによってローカル特徴を保持する。
（プーリングを行うほど高次な特徴が抽出できるが、ローカルな特徴は失われていくという性質がある）
https://arxiv.org/abs/1411.4038
U-Net
プーリング層は位置情報を曖昧にする性質がある。
そのため、浅い層では位置情報が鮮明に、深い層では位置情報が曖昧になっていく。
領域検出では位置情報は曖昧にしてほしくないため、
Encoder-Decoder構造により、物体の局所的情報と全体的位置情報の両方を統合して学習している。
https://arxiv.org/abs/1505.04597
SegNet
FCNでは出力層の部分で計算量が多く、メモリや時間を多く必要とする課題がある。
セグメンテーションを高速、省メモリに行えるようにするためにEncoder-Decoder構造を提案。
https://arxiv.org/abs/1511.00561
PSPNet(Pyramid Scene Parsing Network)
ILSVRC2016のセマンティックセグメンテーションで1位でCVPR2017で発表された論文。
入力画像からCNN(ResNet+Dlilated Net)で特徴抽出し、その特徴量を異なるサイズのPoolingをかけてUp-samplingし、結果を統合することで識別結果を出力する。オブジェクトの関連性の考慮や似たものの判別、不明瞭なクラスの検出を行わせることが目的。
グローバルな特徴を検出するためのピラミッド構造。
https://arxiv.org/abs/1612.01105
https://hszhao.github.io/projects/pspnet/
https://github.com/mitmul/chainer-pspnet
https://github.com/rkuga/PSPNet
HFCN(Highly Fused Convolutional Network)
up-conv部によって低層で獲得したグローバルな特徴を改めて畳み込むことで得られる特徴を拡張して再利用している。
ソフトコスト関数という領域面積比を考慮した損失関数によって小領域であるときに学習が粗く進むことの対策をしている。
https://arxiv.org/abs/1801.01317
VH-HFCN
HFCNの拡張ネットワーク。Downsampling後の特徴マップに対し、VH-stageで垂直方向(9×1)と水平方向(1×9)伸びるカーネルを指定した畳込み層により垂直線形特徴と水平線系特徴を抽出する。
https://arxiv.org/pdf/1804.07027.pdf
参考文献リストのサイト
http://ni4muraano.hatenablog.com/entry/2017/08/15/165213
https://github.com/tangzhenyu/SemanticSegmentation_DL
更新履歴
20180426 : VH-HFCN追加
201803xx : 記事作成