Semantic Instance Segmentation with a Discriminative Loss Function === <!-- .element: style="font-size:160%" --> 2017/08/08 Bert De Brabandere, Davy Neven, Luc Van Gool <!-- .element: style="font-size:80%" --> https://arxiv.org/abs/1708.02551 （まとめ：[@antimon2](https://github.com/antimon2)） --- ## どんなもの？ + Instance Segmentation の基本 + **Discriminative Loss**（日本語だと **弁別的損失** ？）の利用 + Tensorflow による実装 → https://github.com/hq-jiang/instance-segmentation-with-discriminative-loss-tensorflow ----  --- ## 技術や手法の肝は？ + 入力画像の各画素を n-次元空間に埋込 （n＝2 or 3 くらい） + **Discriminative Loss** + (1) 分散項：クラスタ内引力 + (2) 距離項：クラスタ間斥力 + (3) 正則化項 + (4) (1)～(3) の線型和（⇒損失関数） ----  ----  --- ## どうやって有効だと検証した？ + CVPPP, CityScape で実証 ----  ----  --- ## 議論はある？ + 速度と精度（とメモリ使用量）のトレードオフ + 精度重視ならResnet38（ただしメモリ爆食い） + 速度重視ならENet（省メモリ） ----  --- ## 先行研究と比べて何がすごい？ + ProposalBasedじゃない + マルチステージじゃない + 回帰使わない + 単純で実装も容易 + 離散表現・変換等しない + アドホックじゃない --- ## 次に読むべき論文は？ + [Deep Semantic Instance Segmentation of Tree-like Structures Using Synthetic Data](https://arxiv.org/abs/1811.03208) + すでに読まれている → [第8回 by 陸さん](https://github.com/mlnagoya/surveys/blob/master/20181115_reports/Deep_Semantic_Instance_Segmentation_of_Tree-like_Structures_Using_Synthetic_Data/README.md) + [3D Graph Embedding Learning with a Structure-aware Loss Function for Point Cloud Semantic Instance Segmentation](https://arxiv.org/abs/1902.05247) + 3D点群データに対する Instance Segmentation