[論文レビュー] Deep learning for image segmentation-a short survey

Zhenzhou Wang|arXiv (Cornell University)|Apr 16, 2019

Machine Learning and Data Classification被引用数 1

ひとこと要約

この論文は、画像分類における深層学習のパフォーマンスを調査し、分類精度がほぼ100%であるのに対し、分類精度は約80%にとどまることを明らかにした。この制限要因は、深層学習が外部の分類手法や出力解像度の制限に依存していることに起因し、画像解像度を著しく低くしない限り、高精度な分類が実現できないことを示している。

ABSTRACT

Deep learning works as a discrete non-linear mapping function and has achieved great success as a powerful classification tool. However, is deep learning omnipotent? This paper gives a short survey of the accuracy achieved by deep learning so far in image segmentation. Compared to the close to 100% classification accuracy achieved by deep learning, the image segmentation accuracy achieved by deep learning is only about 80%. We analyze the possible reasons why deep learning could not achieve acceptable accuracy in image segmentation and found that deep learning only generates a prediction map and relies on other segmentation methods to complete the segmentation task. In addition, the performance of deep learning is determined by the number of outputs. Consequently, deep learning could not achieve high segmentation accuracy unless the resolution of the image is extremely small.

研究の動機と目的

• 深層学習が分類タスクと比較して画像分類で顕著に低い精度にとどまる理由を調査すること。
• 正確な分類マップを生成する際の深層学習モデルの構造的・アーキテクチャ的制限を分析すること。
• 最終的な分類出力において深層学習が外部分類技術に依存する理由を特定すること。
• 出力ユニット数と画像解像度が分類精度に与える影響を評価すること。
• 深層学習が高精度な分類精度を達成できる条件を特定すること。

提案手法

• 本論文は、既存の文献から報告された精度指標を用いて、画像分類と画像分類における深層学習のパフォーマンスを比較分析する。
• 深層学習モデルが生成する予測マップの役割と、後処理または外部分類アルゴリズムへの依存性を検討する。
• 出力次元と解像度が分類精度に与える影響に焦点を当て、特にモデルの複雑さと空間的精度のトレードオフを分析する。
• ピクセルレベルの予測タスクに適用された際の深層学習の理論的および実用的制限を評価する。
• 公開されたベンチマークからの実証的結果を用いて、分類と分類のパフォーマンスのギャップを評価する。

実験結果

リサーチクエスチョン

• RQ1 なぜ深層学習は画像分類と比較して画像分類で顕著に低い精度にとどまるのか？
• RQ2 外部分類手法への依存度が、深層学習の分類タスクにおけるパフォーマンスにどの程度制限を及えるのか？
• RQ3 深層学習モデルの出力ユニット数が分類精度にどのように影響するのか？
• RQ4 画像解像度が深層学習による達成可能な分類精度に果たす役割は何か？
• RQ5 どのような条件下で深層学習が高精度な分類精度を達成できるのか。そして、なぜその条件が制限的なのか？

主な発見

• 深層学習は画像分類ではほぼ100%の精度を達成するが、画像分類では約80%の精度にとどまる。
• 分類精度が低い主な理由は、深層学習モデルが予測マップしか生成せず、タスクを完了するためには追加の分類技術を要するためである。
• 深層学習の分類パフォーマンスは、出力ユニット数に強く制限されており、高解像度画像を効果的に処理する能力が制限されている。
• 高精度な分類は、現在の深層学習モデルの計算的・アーキテクチャ的制限のため、画像解像度を極めて低くした場合にのみ実現可能である。
• 分類と分類のパフォーマンスのギャップは、深層学習がピクセルレベルの予測タスクを処理する際の根本的な制限を示している。