#8 On the Importance of Label Quality for Semantic Segmentation

On_the_Importance_of_Label_Quality_for_Semantic_Segmentation.md

@@ -0,0 +1,34 @@
+# [On the Importance of Label Quality for Semantic Segmentation](http://openaccess.thecvf.com/content_cvpr_2018/html/Zlateski_On_the_Importance_CVPR_2018_paper.html)
+
+####  Category
+Semantic Segmentation
+アノテーション(ラベル)に関して議論
+
+#### Context
+* 背景  
+Segmentationのアノテーションってすごくコストがかかる  
+1pxごとに正解ラベルを塗る作業、、  
+* 最近の流れ  
+細かいラベル付けができるようになる研究が盛ん。アノテーションコストを下げながらクオリティをあげるやつ。  
+
+#### Correctness  
+実務で感じてたことを論文にしてくれた感じ  
+割と本当に思っていたので、アイデアで終わらず実験までして、論文という形で公開できればなあと思う  
+
+#### Contributions  
+* 正解ラベルクオリティーとCNNセグメンテーションのパフォーマンスとの関係性を調査  
+* CNNセグメンテーションのパフォーマンスは正解ラベルに費やした時間(=いかに丁寧にラベリングするか)に依存している  
+* 少ないデータでもきちんとアノテーションすれば、大量に雑にアノテーションするのと同じくらいの精度は出る  
+* 粗いラベル付けで事前学習させたものを、きちんとアノテーションしたデータ少数を用いて学習させたとき、大量のきちんと塗ってあるデータで学習させたものと同等かそれよりも良い精度が出た。  
+
+####  Clarity  
+読みやすい。  
+
+#### コメント  
+  大量の粗いデータセットと少ないデータセットを用いて学習させれば精度が良くなる？ということ？  
+  ならば、  
+  ①丁寧なアノテーションで学習する。  
+  ②丁寧なアノテーションで学習したものでいろんな画像を予測ストックしておく。(rawdata labeldata)  
+  ③②を用いて１から学習する。  
+  ④③でできたモデルを①を用いてファインチューニングする  
+  みたいなサイクルを回せばどんどん良くなるということなのか？これは発見では？実験したい。詳しく読む。