【20日目】Domain Adaptive Semantic Segmentation Using Weak Labels

この記事はNLP/CV論文紹介 Advent Calendar 2020の20日目の記事です。
今日はsemantic segmentationのDomain Adaptationにおいてweak labelを用いた損失を使って学習する手法です。

0. 論文

Domain Adaptive Semantic Segmentation Using Weak Labels
Sujoy Paul, Yi-Hsuan Tsai, Samuel Schulter, Amit K. Roy-Chowdhury, Manmohan Chandraker

1. どんなもの？

Semantic SegmantationのDomain Adaptationにおいて、モデルによるpseudo label/人手によるweak labelの二つの弱いラベルを使った学習手法を提案

2. 先行研究と比べてどこがすごい？

weak labelを用いた学習手法の提案

3. 技術や手法のキモはどこ？

DAはtarget domainのアノテーションデータを作る必要がありコストがかかる。
そこでそのコストを減らすためにできるだけラベル作成コストを減らしてDAを行う。

問題設定として、source domainではpixel levelでのラベルが存在するが、target domainでは画像レベルでのラベルしか存在しない問題設定を考える。
target domainの画像に対して画像レベルでのラベルによる分類Lossや、ドメインを見分けるadversarial Lossなどを用いる。
target domainの画像レベルでラベルは、学習済みモデルと閾値によるpseudo labelのセッティング(UDA)と、人手による弱ラベル(WDA)の2種で実験を行なっている。

f:id:ymym3412:20201222034657p:plain