セグメンテーションとディープクラスタリングについて述べられた論文を簡単にまとめたものです．

1. セマンティックセグメンテーションと
DEEP CLUSTERINGについて
宮西 聖加

2. セマンティックセグメンテーションとは

3. ENCODER-DECODER WITH ATROUS SEPARABLE CONVOLUTION FOR SEMANTIC IMAGE SEGMENTATION
HTTPS://ARXIV.ORG/PDF/1802.02611V3.PDF
22 AUG 2018
LIANG-CHIEH CHEN,YUKUN ZHU, GEORGE PAPANDREOU, FLORIAN SCHROFF,AND HARTWIG ADAM
 画像セグメンテーション手法の一種「DeepLab v3+」
 TensorFlowのライブラリ
 PASCAL VOC 2012セマンティック画像
セグメンテーションデータセットでのIoU（89％）
 空間ピラミッドプーリング（SPP）とエンコード・
デコード構造のいいとこどりをした
どんなもの？
どうやって有効だと検証した？ 次に読むべき論文は？
先行研究と比べて何がすごい？
技術の手法の肝は？
 エンコーダ部分Atrous畳み込みを採用したことで、畳み
こんでも解像度が落ちない（プーリングしないから）
 フィルタがすきっぱだから、特徴抽出が早い。
 ResNet
 U-Net

4. DEEP RESIDUAL LEARNING FOR IMAGE RECOGNITION
HTTPS://ARXIV.ORG/PDF/1802.02611V3.PDF
10 DEC 2015
KAIMING HE, XIANGYU ZHANG , SHAOQING REN, JIAN SUN , MICROSOFT RESEARCH
 ニューラルネットワークの一種で、CNNを発展させたもの
「ResNet」
 画像セグメンテーションでは、特徴抽出に使われる
 ImageNetデータセットで、エラーが3.57％
 COCOオブジェクト検出データセットで28％の相対的な改善
 層を深くしても勾配消失が消えないように、「shortcut
connection」という新たなルートを加えている
 ↑では残差を学習している
どんなもの？
どうやって有効だと検証した？
議論はある？
先行研究と比べて何がすごい？
技術の手法の肝は？
 それまでのImageNet優勝アルゴリズムの層の深さが22そ
うだったのに対して、152層とめちゃめちゃ層が深くでき
た（精度が上がった）
 層が深いので、学習時間が極端に長い
 https://www.slideshare.net/KotaNagasato/resnet-
82940994

5. U-NET: CONVOLUTIONAL NETWORKS FOR BIOMEDICAL IMAGE SEGMENTATION
HTTPS://ARXIV.ORG/PDF/1505.04597.PDF
18 MAY 2015
OLAF RONNEBERGER, PHILIPP FISCHER,AND THOMAS BROX
 画像セグメンテーションのためのアルゴリズム
 電子顕微鏡スタック内のニューロン構造のセグメンテー
ションのためのISBIチャレンジに関する従来の最良の方
法（スライディングウィンドウ畳み込みネットワーク）
よりもいい結果だった。
 特徴抽出のEncoderで、縮小段階の途中の特徴量マップ
を、Decoder段階の学習で再度使用する
どんなもの？
どうやって有効だと検証した？
先行研究と比べて何がすごい？
技術の手法の肝は？
 学習に使う画像の数が少なくていい。
 全結合層がないため、学習が早い

6. TERNAUSNET: U-NET WITH VGG11 ENCODER PRE-TRAINED ON IMAGENET FOR IMAGE SEGMENTATION
HTTPS://ARXIV.ORG/PDF/1801.05746V1.PDF
17 JAN 2018
 KaggleのCarvana Image Masking Challengeで１位を取った
セグメンテーションモデル
 https://www.kaggle.com/c/carvana-image-masking-
challenge/overview
 Inria Aerial Image Labeling DatasetでのIoU 0.686（ヨー
ロッパとアメリカの都市居住地の航空写真180枚で構成され、
建物クラスではなく建物としてラベル付けされたデータ）
 U-Netはランダムに初期化された重みで、ゼロから学習してい
たが、エンコーダ部分をImageNetで学習したVGG-11でファイ
ンチューニングした。
どんなもの？
どうやって有効だと検証した？ 議論はある？
先行研究と比べて何がすごい？
技術の手法の肝は？
 画像分類タスクでファインチューニングはすでに広く使用され
ていたが、U-Netに使用したこと。
 学習時間が短縮したこと
 今回はVGG11の転移学習だったが、これをVGG16やResNetに
すると、さらに精度が上がるのではないか？

7. DEEP CLUSTERING FOR UNSUPERVISED LEARNING OF VISUAL FEATURES
HTTPS://ARXIV.ORG/PDF/1807.05520.PDF
17 JAN 2018
MATHILDE CARON, PIOTR BOJANOWSKI, ARMAND JOULIN, MATTHIJS DOUZE
 画像を教師なしでクラスタリングする手法
 ニューラルネットワークを使って特徴抽出からその特徴のクラ
スタリングまでをEnd to Endで行う
 Inria Aerial Image Labeling DatasetでのIoU 0.686（ヨー
ロッパとアメリカの都市居住地の航空写真180枚で構成され、
建物クラスではなく建物としてラベル付けされたデータ）
どんなもの？
どうやって有効だと検証した？
次に読むべき論文は？
議論はある？
先行研究と比べて何がすごい？
技術の手法の肝は？
 正解ラベルのデータを用意しなくてよい。（教師データにアノ
テーションしなくてよい。）
 まだ精度がでない、っぽい。
 画像を一様分布に従ってサンプリングしないと、どの画像も同じ
クラスタに分けてしまうことがある。
 https://www.slideshare.net/ARISEanalytics/deep-
clustering-for-unsupervised-learning-of-visual-features
 http://pesuchin.hatenablog.com/entry/2018/12/18/09215
0
 http://pesuchin.hatenablog.com/entry/2018/12/18/09215
0