Fugu-MT 論文翻訳(概要): Feature Sharing Cooperative Network for Semantic Segmentation

論文の概要: Feature Sharing Cooperative Network for Semantic Segmentation

arxiv url: http://arxiv.org/abs/2101.07905v1
Date: Wed, 20 Jan 2021 00:22:00 GMT
ステータス: 処理完了
システム内更新日: 2021-03-22 01:26:26.638783
Title: Feature Sharing Cooperative Network for Semantic Segmentation
Title（参考訳）: セマンティックセグメンテーションのための特徴共有協調ネットワーク
Authors: Ryota Ikedo, Kazuhiro Hotta
Abstract要約: 協調学習を用いた意味セグメンテーション手法を提案する。特徴マップを共有することにより、2つのネットワークのうちの1つが1つのネットワークで取得できない情報を得ることができる。提案手法は従来の単一ネットワークやネットワークアンサンブルよりも高いセグメンテーション精度を実現した。
参考スコア（独自算出の注目度）: 10.305130700118399
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: In recent years, deep neural networks have achieved high ac-curacy in the field of image recognition. By inspired from human learning method, we propose a semantic segmentation method using cooperative learning which shares the information resembling a group learning. We use two same networks and paths for sending feature maps between two networks. Two networks are trained simultaneously. By sharing feature maps, one of two networks can obtain the information that cannot be obtained by a single network. In addition, in order to enhance the degree of cooperation, we propose two kinds of methods that connect only the same layer and multiple layers. We evaluated our proposed idea on two kinds of networks. One is Dual Attention Network (DANet) and the other one is DeepLabv3+. The proposed method achieved better segmentation accuracy than the conventional single network and ensemble of networks.
Abstract（参考訳）: 近年,深層ニューラルネットワークは画像認識の分野で高い精度を実現している。人間の学習から着想を得て,グループ学習に類似した情報を共有する協調学習を用いた意味的セグメンテーション手法を提案する。 2つのネットワーク間でフィーチャーマップを送信するのに、2つの同じネットワークとパスを使用します。 2つのネットワークを同時に訓練する。特徴マップを共有することにより、2つのネットワークのうちの1つが1つのネットワークで取得できない情報を得ることができる。また,協調の度合いを高めるために,同一層と複数層のみを接続する2種類の手法を提案する。提案するアイデアを2種類のネットワークで評価した。 1つはDANet(Dual Attention Network)、もう1つはDeepLabv3+である。提案手法は,従来の単一ネットワークやネットワークのアンサンブルよりも高いセグメンテーション精度を実現する。