Salient Object Detection in the Deep Learning Era： An In-depth Survey

Last updated Unknown Edit Source

https://arxiv.org/pdf/1904.09146.pdf

• 画像の顕著性をディープラーニング

  ディープラーニング

  モデルのへの拡張 変換を何度も繰り返して、徐々に複雑な関数を表現していく = 深層学習を、の手段の一つとして捉える 以前学んだ時は、なんでこれであんな複雑なタスクが出来るんだろうと気味が悪かった ただ、で再学習したら、まあできるよなという気持ちになってきた 「モデルに沢山パラメータがあれば複雑なものが表現できる」という感覚がついたのが、自分の中での変化な気がする ...

  1/3/2023

  で評価する系の研究まとめ
• 

The rest of the paper is organized as follows. §2 explains the proposed taxonomies, each accompanied with one or two most representative models. §3 examines the most notable SOD datasets, whereas §4 describes several widely used SOD metrics. §5 benchmarks several deep SOD models and provides in-depth analyses. §6 provides further discussions and presents open issues and future research directions of the field. Finally, §7 concludes the paper

• ニューラルネットワーク

  ニューラルネットワーク

  基本の回帰モデルを表すと↑になる これの層を増やしたり、間のユニットを増やすことで学習 各矢印が、重みwを持っている、全部違う値 学習によって調整される それだけだとただの回帰と同じ、だから、やを使ってフィルターをかける みたいに、して重みを0に近づけることもできる デフォルトはほとんど正則化しない 最初は、乱数で重みを決める 学習した内容の解析が難しい、やる方法の一つは重みのヒートマップをみること パラメーター学習のには、や等が初心者向けにある #Pythonで始める機械学習 モデルが完成したら、実際にする時はこの計算をすればいいだけ、簡単 （xが入力、Wが各層の重み、yが出力、σが） 一つの層のたくさんあるのうち、一つがめっちゃ影響力強くなっちゃうことがある それを避けるために、ランダムにdropoutする ...

  1/3/2023

  のアーキテクチャによる分類
  • ピクセルベースのやつと、CNN

    CNN

    from 「行列とベクトルの掛け算」の代わりに、の処理もやるニューラルネットワーク 「小さいベクトルをスカラーに変換」するフィルタを、大きいベクトル（元画像）の色々な部分（カーネル）に対してやることで、大きいベクトル（元画像）をちょっと小さくしたベクトルを得る みたいな感じかな ...

    1/3/2023

    的なやつがある
• 教師のレベルによる分類
  • 人間の視線とかのアノテーションベース
  • weakなやつ（ImageNetみたいなやつの途中段階で物体のところがハイライトされる） #弱教師あり学習
    • Visual complexity analysis using deep intermediate-layer features

      Visual complexity analysis using deep intermediate-layer features

      既存の手法だと、画像の種類によってチューニングしないといけない NNを切り取れば、wide range of applications 以外の先行研究のvisual complexityのはかりかたも紹介されている 2.2. Algorithms to quantify visual complexit ...

      1/3/2023

      が近そう
• あと、Single Task Learning vs Multi Task Learning(MTL)という分類もある