Object discovery and representation networks

要約

自己教師あり学習（SSL）の約束は、ラベルのない大量のデータを活用して複雑なタスクを解決することです。
単純な画像レベルの学習で優れた進歩が見られましたが、最近の方法では、画像構造の知識を含めることの利点が示されています。
ただし、関心領域を定義するために手作りの画像セグメンテーション、または特殊な拡張戦略を導入することにより、これらの方法はSSLを非常に強力にする単純さと一般性を犠牲にします。
代わりに、この画像構造を単独で発見する自己教師あり学習パラダイムを提案します。
私たちの方法であるOdinは、オブジェクト検出ネットワークと表現ネットワークを組み合わせて、監視なしで意味のある画像セグメンテーションを検出します。
結果として得られる学習パラダイムは、より単純で、脆弱性が低く、より一般的であり、教師あり事前トレーニングを大幅に上回りながら、COCOでのオブジェクト検出とインスタンスセグメンテーション、およびPASCALとCityscapesでのセマンティックセグメンテーションのための最先端の転移学習結果を実現します。
DAVISでのビデオセグメンテーション用。

要約(オリジナル)

The promise of self-supervised learning (SSL) is to leverage large amounts of unlabeled data to solve complex tasks. While there has been excellent progress with simple, image-level learning, recent methods have shown the advantage of including knowledge of image structure. However, by introducing hand-crafted image segmentations to define regions of interest, or specialized augmentation strategies, these methods sacrifice the simplicity and generality that makes SSL so powerful. Instead, we propose a self-supervised learning paradigm that discovers this image structure by itself. Our method, Odin, couples object discovery and representation networks to discover meaningful image segmentations without any supervision. The resulting learning paradigm is simpler, less brittle, and more general, and achieves state-of-the-art transfer learning results for object detection and instance segmentation on COCO, and semantic segmentation on PASCAL and Cityscapes, while strongly surpassing supervised pre-training for video segmentation on DAVIS.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google