クラス確率行列の最適化による多クラスセマンティックセグメンテーションの精度向上

抄録

画像内の全画素に対してラベル付けを行うセマンティックセグメンテーションでは, CNNが高精度な結果を出すことが知られており, 自動運転等の技術に応用されている. セマンティックセグメンテーションの学習にはSoftmax Cross Entropy Lossをよく用いるが, その評価指標にはIntersection over Union (IoU)を用いることが多い. より高精度な予測を達成するため, 近年ではIoUを直接最適化する損失関数の研究が行われている. しかし，従来研究のほとんどは2クラスセグメンテーションの場合のみ有効性が示されており, 多クラスセグメンテーションにおいての有効性を確認できている研究は少ない. 本研究ではクラス確率で構成される行列を最適化することによりIoUの精度を向上させる新しい損失関数を提案する. IoUを求める際に用いられる混合行列とクラス確率行列の最適化の条件が似ていることを利用することによって，多クラスセマンティックセグメンテーションのIoUを向上させる．２クラス及び多クラスセグメンテーションの実験により提案手法の有効性を確認した.