論文の概要: Deep Snake for Real-Time Instance Segmentation

• arxiv url: http://arxiv.org/abs/2001.01629v3
• Date: Wed, 1 Apr 2020 15:01:53 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-14 02:36:38.250721
• Title: Deep Snake for Real-Time Instance Segmentation
• Title（参考訳）: リアルタイムインスタンスセグメンテーションのためのdeep snake
• Authors: Sida Peng, Wen Jiang, Huaijin Pi, Xiuli Li, Hujun Bao, Xiaowei Zhou
• Abstract要約: 本稿では,リアルタイムなインスタンスセグメンテーションのためのディープスネーク(deep snake)という,新しい輪郭型アプローチを提案する。 Deep snakeはニューラルネットワークを使って、初期輪郭を反復的に変形してオブジェクトの境界にマッチさせる。 実験の結果,提案手法はCityscapes, KINS, COCOデータセット上での競合性能を実現することがわかった。
• 参考スコア（独自算出の注目度）: 44.104263910829836
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper introduces a novel contour-based approach named deep snake for real-time instance segmentation. Unlike some recent methods that directly regress the coordinates of the object boundary points from an image, deep snake uses a neural network to iteratively deform an initial contour to match the object boundary, which implements the classic idea of snake algorithms with a learning-based approach. For structured feature learning on the contour, we propose to use circular convolution in deep snake, which better exploits the cycle-graph structure of a contour compared against generic graph convolution. Based on deep snake, we develop a two-stage pipeline for instance segmentation: initial contour proposal and contour deformation, which can handle errors in object localization. Experiments show that the proposed approach achieves competitive performances on the Cityscapes, KINS, SBD and COCO datasets while being efficient for real-time applications with a speed of 32.3 fps for 512$\times$512 images on a 1080Ti GPU. The code is available at https://github.com/zju3dv/snake/.
• Abstract（参考訳）: 本稿では,リアルタイムインスタンスセグメンテーションのための新しい輪郭ベースアプローチであるdeep snakeを提案する。 画像からオブジェクト境界点の座標を直接後退させる最近の方法とは異なり、deep snakeはニューラルネットワークを使用して、オブジェクト境界にマッチする初期輪郭を反復的に変形させ、スネークアルゴリズムの古典的なアイデアを学習ベースのアプローチで実装している。 本稿では,輪郭上の構造的特徴学習のために,輪郭のサイクルグラフ構造を汎用グラフ畳み込みと比較し,ディープスネークにおける円形畳み込みの利用を提案する。 ディープ・スネークをベースとして,初期輪郭提案と輪郭変形という2段階のパイプラインを構築し,オブジェクトの局所化における誤差の処理を行う。 実験の結果、提案手法はCityscapes, KINS, SBD, COCOデータセット上での競合性能を実現し、1080 Ti GPU上での512$\times$512の高速32.3 fpsのリアルタイムアプリケーションに効率的であることが示された。 コードはhttps://github.com/zju3dv/snake/で入手できる。

関連論文リスト

• GeoCalib: Learning Single-image Calibration with Geometric Optimization [89.84142934465685]
  単一の画像から視覚的な手がかりは、焦点距離や重力方向などの内在的および外在的なカメラパラメータを推定するのに役立ちます。 この問題に対する現在のアプローチは、行と消滅点を持つ古典幾何学か、エンドツーエンドで訓練されたディープニューラルネットワークに基づいている。 最適化プロセスを通じて3次元幾何学の普遍的な規則を利用するディープニューラルネットワークであるGeoCalibを紹介する。
  論文  参考訳（メタデータ） (2024-09-10T17:59:55Z)
• A fast topological approach for predicting anomalies in time-varying graphs [0.0]
  トポロジカルデータ解析(TDA)からの永続化ダイアグラム(PD)は、点間距離が明確に定義されたデータ形状記述法として人気がある。 本稿では,グラフデータから形状情報を抽出する計算効率の良いフレームワークを提案する。 実際のデータアプリケーションでは、暗号取引ネットワークの異常な価格予測において、我々のアプローチは最大で22%上昇する。
  論文  参考訳（メタデータ） (2023-05-11T01:54:45Z)
• Recurrent Generic Contour-based Instance Segmentation with Progressive Learning [111.31166268300817]
  本稿では,一般的な輪郭型インスタンスセグメンテーションのための新しいディープネットワークアーキテクチャ,すなわちPolySnakeを提案する。 従来のSnakeアルゴリズムに動機付け,提案したPolySnakeはより優れた,堅牢なセグメンテーション性能を実現する。
  論文  参考訳（メタデータ） (2023-01-21T05:34:29Z)
• Flattening-Net: Deep Regular 2D Representation for 3D Point Cloud Analysis [66.49788145564004]
  我々は、任意の幾何学と位相の不規則な3次元点雲を表現するために、Flattning-Netと呼ばれる教師なしのディープニューラルネットワークを提案する。 我々の手法は、現在の最先端の競合相手に対して好意的に機能する。
  論文  参考訳（メタデータ） (2022-12-17T15:05:25Z)
• E2EC: An End-to-End Contour-based Method for High-Quality High-Speed Instance Segmentation [4.74225248496056]
  高品質なインスタンスセグメンテーションのための新しい輪郭法であるE2ECを導入する。 E2ECは、NVIDIA A6000 GPU上の512*512イメージに対して、36fpsの推論速度を持つリアルタイムアプリケーションでの使用に効率的である。
  論文  参考訳（メタデータ） (2022-03-08T13:36:23Z)
• GNNAutoScale: Scalable and Expressive Graph Neural Networks via Historical Embeddings [51.82434518719011]
  GNNAutoScale(GAS)は、任意のメッセージパスGNNを大規模グラフにスケールするためのフレームワークである。 ガスは、前回のトレーニングの繰り返しから過去の埋め込みを利用して計算グラフのサブツリー全体を掘り起こします。 ガスは大規模グラフ上で最先端のパフォーマンスに達する。
  論文  参考訳（メタデータ） (2021-06-10T09:26:56Z)
• ContourRender: Detecting Arbitrary Contour Shape For Instance Segmentation In One Pass [48.57232627854642]
  一方のパスにおける輪郭点の回帰の難しさは、滑らかな輪郭をポリゴンに識別する際のあいまいさが主な原因である。 あいまいさに対処するために,textbfContourRender という新しい差別化可能なレンダリング方式を提案する。 まず、可逆形状シグネチャによって生成された輪郭を予測し、それから、より安定したシルエットで輪郭を最適化し、それを輪郭メッシュに変換してメッシュを2Dマップにレンダリングする。
  論文  参考訳（メタデータ） (2021-06-07T07:23:03Z)
• Exploiting Local Geometry for Feature and Graph Construction for Better 3D Point Cloud Processing with Graph Neural Networks [22.936590869919865]
  グラフニューラルネットワークの一般枠組みにおける点表現と局所近傍グラフ構築の改善を提案する。 提案されたネットワークは、トレーニングの収束を高速化する。 分類のための40%のより少ないエポック。
  論文  参考訳（メタデータ） (2021-03-28T21:34:59Z)

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。