パノラマセグメンテーションにおけるインスタンスオブジェクトのエッジ特徴抽出が不十分で、オブジェクト境界のセグメンテーションが失敗する問題に対して、革新的なインスタンス特徴深層チェーン学習パノラマセグメンテーションネットワークを提案する。このネットワークは基本的なチェーンユニットで構成されており、ユニット構造に応じて特徴情報の処理方法により、特徴保持チェーンと特徴強化チェーンの二つに分かれる。特徴保持チェーンはチェーンネットワークの特徴抽出過程における入力レベルで、入力情報の完全性を保証し、その後特徴を特徴強化チェーン構造に伝達する；特徴強化チェーンは自身の拡張を通じてネットワークの深さを深め、特徴抽出能力を向上させる。チェーン学習ネットワークは優れた深い積み重ね特性を持つため、豊富なエッジ特徴情報を取得し、セグメンテーション精度を向上させる。MS COCOおよびCityscapesデータセットでの実験結果は、本論文で提案するインスタンス特徴深層チェーン学習パノラマセグメンテーションネットワークが既存の同種手法よりセグメンテーション精度で優れており、パノラマセグメンテーションネットワークで一般的に使用されるMask RCNNインスタンスセグメンテーション構造と比較して、セグメンテーション精度が最高で0.94％向上したことを示している。

パノラマセグメンテーション;インスタンス特徴;エッジ特徴;チェーンネットワーク;ショートカット接続