完全教師あり学習手法を用いた弱教師あり領域分割におけるシード領域生成方法の改良

摘要

弱教師あり領域分割は精度が向上している。特に，弱教師あり領域分割結果を教師情報としてさらに学習する手法が提案され精度が大きく向上した。しかし，依然として，ノイズを含むアノテーションを用いた教師情報で学習を行うと精度が低下するという問題がある。本手法では，領域分割結果の一貫性から，領域分割の精度を推定し，領域分割の容易な画像を学習データから収集した。また，この推定結果から学習データのセレクションを行い，セレクションした学習データで再学習を行った。また，セレクションした画像を活用してdata augmentationを行うとより精度が向上することを示した。