変化領域の推測による弱教師あり領域分割の精度向上

摘要

領域分割においては，学習画像における物体のカテゴリごとにピクセル単位の領域の教師情報が必要であり，教師情報の付与は大きなコスト，時間を要する。一般に，高度な教師情報を必要とする手法を完全教師あり学習領域分割，画像における物体のカテゴリ情報のみから学習する手法を弱教師あり学習領域分割と呼ぶ。弱教師あり学習による領域分割が可能となれば，大幅な学習データを収集するためのコストの削減が可能である。本研究においては，弱教師あり領域分割の精度向上を目指す。CRFは近年の弱教師あり領域分割手法に幅広く取り入れられており，弱教師あり領域分割の精度向上において大きな役割を担っている。本手法においてはCRFの問題点に着目し自己教師あり学習による手法でこれを緩和した。PASCAL VOC 2012データセツトで実験を行い、validation setにおいて弱教師あり領域分割のState-of-the-artを達成し提案手法の有効性を示した。