論文の概要: The Semantic Mutex Watershed for Efficient Bottom-Up Semantic Instance Segmentation

• arxiv url: http://arxiv.org/abs/1912.12717v1
• Date: Sun, 29 Dec 2019 19:48:39 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-17 07:55:31.831965
• Title: The Semantic Mutex Watershed for Efficient Bottom-Up Semantic Instance Segmentation
• Title（参考訳）: 効率的なボトムアップセマンティックインスタンスセグメンテーションのためのセマンティックミューテックス流域
• Authors: Steffen Wolf, Yuyan Li, Constantin Pape, Alberto Bailoni, Anna Kreshuk, Fred A. Hamprecht
• Abstract要約: 本稿では,共同グラフ分割とラベリングのためのグリーディアルゴリズムを提案する。 アルゴリズムの効率のため、イメージをスーパーピクセルにオーバーセグメンテーションすることなく、直接ピクセル上で操作することができる。
• 参考スコア（独自算出の注目度）: 15.768804877756384
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Semantic instance segmentation is the task of simultaneously partitioning an image into distinct segments while associating each pixel with a class label. In commonly used pipelines, segmentation and label assignment are solved separately since joint optimization is computationally expensive. We propose a greedy algorithm for joint graph partitioning and labeling derived from the efficient Mutex Watershed partitioning algorithm. It optimizes an objective function closely related to the Symmetric Multiway Cut objective and empirically shows efficient scaling behavior. Due to the algorithm's efficiency it can operate directly on pixels without prior over-segmentation of the image into superpixels. We evaluate the performance on the Cityscapes dataset (2D urban scenes) and on a 3D microscopy volume. In urban scenes, the proposed algorithm combined with current deep neural networks outperforms the strong baseline of `Panoptic Feature Pyramid Networks' by Kirillov et al. (2019). In the 3D electron microscopy images, we show explicitly that our joint formulation outperforms a separate optimization of the partitioning and labeling problems.
• Abstract（参考訳）: セマンティックインスタンスのセグメンテーションは、各ピクセルにクラスラベルを関連付けながら、画像を別々のセグメントに同時に分割するタスクである。 一般的なパイプラインでは、統合最適化は計算コストがかかるため、セグメンテーションとラベル割り当ては別々に解決される。 本研究では,効率の良いミューテックス流域分割アルゴリズムに基づくグラフ分割とラベル付けのためのグリーディアルゴリズムを提案する。 対称マルチウェイカット目標と密接に関連する目的関数を最適化し、効率的なスケーリング動作を実証的に示す。 アルゴリズムの効率のため、イメージをスーパーピクセルにオーバーセグメンテーションすることなくピクセルを直接操作することができる。 都市景観データセット(2次元都市シーン)と3次元顕微鏡ボリュームの性能評価を行った。 都市のシーンでは、提案アルゴリズムと現在のディープニューラルネットワークが組み合わさって、キリロフらによる"Panoptic Feature Pyramid Networks"(2019年)の強いベースラインを上回っている。 3次元電子顕微鏡画像では,関節の定式化が分割とラベル付けの問題を別々に最適化することを示す。

関連論文リスト

• Parallel Watershed Partitioning: GPU-Based Hierarchical Image Segmentation [4.560718678349679]
  多くの画像処理アプリケーションは、画像が「類似した」画素の非結合領域に分割することに依存している。 機械学習に基づくセマンティックセグメンテーションのための前処理ステップとして,この完全決定論的イメージパーティショニングを利用する方法を示す。
  論文  参考訳（メタデータ） (2024-10-11T16:15:43Z)
• View-Consistent Hierarchical 3D Segmentation Using Ultrametric Feature Fields [52.08335264414515]
  我々は3次元シーンを表すニューラル・レージアンス・フィールド(NeRF)内の新しい特徴場を学習する。 本手法は、ビュー一貫性の多粒性2Dセグメンテーションを入力とし、3D一貫性のセグメンテーションの階層構造を出力として生成する。 提案手法と,多視点画像と多粒性セグメンテーションを用いた合成データセットのベースラインの評価を行い,精度と視点整合性を向上したことを示す。
  論文  参考訳（メタデータ） (2024-05-30T04:14:58Z)
• CorrMatch: Label Propagation via Correlation Matching for Semi-Supervised Semantic Segmentation [73.89509052503222]
  本稿では、CorrMatchと呼ばれる、単純だが実行可能な半教師付きセマンティックセマンティックセマンティックセマンティクス手法を提案する。 相関写像は、同一カテゴリのクラスタリングピクセルを容易に実現できるだけでなく、良好な形状情報も含んでいることを観察する。 我々は,高信頼画素を拡大し,さらに掘り出すために,画素の対の類似性をモデル化して画素伝搬を行う。 そして、相関地図から抽出した正確なクラス非依存マスクを用いて、領域伝搬を行い、擬似ラベルを強化する。
  論文  参考訳（メタデータ） (2023-06-07T10:02:29Z)
• High-fidelity Pseudo-labels for Boosting Weakly-Supervised Segmentation [17.804090651425955]
  画像レベルの弱い教師付きセグメンテーション(WSSS)は、トレーニング中にセグメンテーションマスクを代理することで、通常膨大なデータアノテーションコストを削減する。 本研究は,GAPの代替となる重要サンプリングと特徴類似性損失という,CAMを改善するための2つの手法に基づく。 複数の独立二項問題の後部二項問題に基づいて両手法を再構成する。 パフォーマンスが向上し、より一般的なものになり、事実上あらゆるWSSSメソッドを増強できるアドオンメソッドが出来上がります。
  論文  参考訳（メタデータ） (2023-04-05T17:43:57Z)
• UNETR++: Delving into Efficient and Accurate 3D Medical Image Segmentation [93.88170217725805]
  本稿では,高画質なセグメンテーションマスクと,パラメータ,計算コスト,推論速度の両面での効率性を提供するUNETR++という3次元医用画像セグメンテーション手法を提案する。 我々の設計の核となるのは、空間的およびチャネル的な識別的特徴を効率的に学習する、新しい効率的な対注意ブロック(EPA)の導入である。 Synapse, BTCV, ACDC, BRaTs, Decathlon-Lungの5つのベンチマークで評価した結果, 効率と精度の両面で, コントリビューションの有効性が示された。
  論文  参考訳（メタデータ） (2022-12-08T18:59:57Z)
• Two-Stream Graph Convolutional Network for Intra-oral Scanner Image Segmentation [133.02190910009384]
  本稿では,2ストリームグラフ畳み込みネットワーク(TSGCN)を提案する。 TSGCNは3次元歯(表面)セグメンテーションにおいて最先端の方法よりも優れています。
  論文  参考訳（メタデータ） (2022-04-19T10:41:09Z)
• A Novel Falling-Ball Algorithm for Image Segmentation [0.14337588659482517]
  領域ベースセグメンテーションアルゴリズムである領域ベースFalling-Ballアルゴリズムを提案する。 提案アルゴリズムは,丘陵地帯から落下する球が捕集流域で止まると仮定して,捕集流域を検出する。
  論文  参考訳（メタデータ） (2021-05-06T12:41:10Z)
• Deep ensembles based on Stochastic Activation Selection for Polyp Segmentation [82.61182037130406]
  本研究は,大腸内視鏡検査における画像分割,特に正確なポリープ検出とセグメンテーションを扱う。 イメージセグメンテーションの基本アーキテクチャはエンコーダとデコーダで構成されている。 我々はデコーダのバックボーンを変更することで得られるDeepLabアーキテクチャのバリエーションを比較した。
  論文  参考訳（メタデータ） (2021-04-02T02:07:37Z)
• Improving Image co-segmentation via Deep Metric Learning [1.5076964620370268]
  本稿では,IS-Triplet Los for Shortという,画像のトリプレットロスを新たに提案し,従来の画像分割損失と組み合わせた。 提案手法を画像共同分割に適用し,SBCosegデータセットとインターネットデータセット上でテストする。
  論文  参考訳（メタデータ） (2021-03-19T07:30:42Z)
• PointFlow: Flowing Semantics Through Points for Aerial Image Segmentation [96.76882806139251]
  本論文では,FPN(Feature Pyramid Network)フレームワークに基づく点親和性伝播モジュールであるPointFlowを提案する。 密接な親和性学習ではなく、隣接する特徴間の選択された点にスパース親和性マップを生成する。 3つの異なる空中セグメンテーションデータセットの実験結果から,提案手法は最先端の汎用セグメンテーション法よりも効率的かつ効率的であることが示唆された。
  論文  参考訳（メタデータ） (2021-03-11T09:42:32Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。