セマンティックセグメンテーションの精度の安定化

https://jp.mathworks.com/help/releases/R2018a/vision/examples/semantic-segmentation-using-deep-learning.html

上のURLを参考に自分で用意したデータセットで解析を行ったところ，クラスが一つしか認識されなかったり，正常に分類されたりと精度が安定しません．データセットは１３枚の画像からそれぞれ同じ枚数でランダムに切り出して作成しています．一つしか認識されなかった後，データセットを作り直すとうまく分類されることがあったのでランダム抽出が原因なのでしょうか？安定化の手法がありましたら教えてください．

Answer 1

[Kenta]

こんにちは、いろいろと要因が考えれます。確かにランダムパッチで切り出しているなら、その影響も大いにありそうです。具体的には、パッチの大きさが小さすぎると近傍の情報をうまく拾えず、うまく認識できていないのかもしれません。同時に、パッチが小さいほうが、多くのバリエーションをもつ切り出しができて、精度向上につながるかもしれません。いろいろと切り出す大きさを変えてみても良いと思います。また、１つの画像からいくつパッチを切り出すかも、影響するかもしれません。精度が不十分であれば、訓練データからより多くのパッチを切り出すのも試す価値がありそうです。

ただ、そのほかにパラメータ調整やネットワーク構造など、多くの要因が結果に影響を与えます。その場合はセマンティックセグメンテーションではなく、一般的な畳み込みニューラルネットワークの話になるので、そこに関しては、いろいろと調べながら試行錯誤していく必要があります。ほかのCNN関連のMATLABのドキュメントを試しながら進めると効率よく学習できそうと思いました。

[Kodai Sato]

ご丁寧にありがとうございます

いろいろと試してみた結果パッチの大きさが正方形かつ大きいと発生しやすいと思いました．