論文の概要: Image Segmentation Using Deep Learning: A Survey

• arxiv url: http://arxiv.org/abs/2001.05566v5
• Date: Sun, 15 Nov 2020 04:51:11 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-11 06:07:05.398687
• Title: Image Segmentation Using Deep Learning: A Survey
• Title（参考訳）: ディープラーニングを用いた画像分割:調査
• Authors: Shervin Minaee, Yuri Boykov, Fatih Porikli, Antonio Plaza, Nasser Kehtarnavaz, and Demetri Terzopoulos
• Abstract要約: イメージセグメンテーションは、画像処理とコンピュータビジョンにおいて重要なトピックである。 深層学習モデルを用いた画像セグメンテーション手法の開発を目的とした研究が,これまでに数多く行われている。
• 参考スコア（独自算出の注目度）: 58.37211170954998
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Image segmentation is a key topic in image processing and computer vision with applications such as scene understanding, medical image analysis, robotic perception, video surveillance, augmented reality, and image compression, among many others. Various algorithms for image segmentation have been developed in the literature. Recently, due to the success of deep learning models in a wide range of vision applications, there has been a substantial amount of works aimed at developing image segmentation approaches using deep learning models. In this survey, we provide a comprehensive review of the literature at the time of this writing, covering a broad spectrum of pioneering works for semantic and instance-level segmentation, including fully convolutional pixel-labeling networks, encoder-decoder architectures, multi-scale and pyramid based approaches, recurrent networks, visual attention models, and generative models in adversarial settings. We investigate the similarity, strengths and challenges of these deep learning models, examine the most widely used datasets, report performances, and discuss promising future research directions in this area.
• Abstract（参考訳）: 画像分割は画像処理やコンピュータビジョンにおいて重要なテーマであり、シーン理解、医用画像分析、ロボット知覚、ビデオ監視、拡張現実、画像圧縮などの応用がある。 画像分割のための様々なアルゴリズムが文献で開発されている。 近年,多岐にわたる視覚応用におけるディープラーニングモデルの成功により,ディープラーニングモデルを用いた画像分割手法の開発を目的とした研究が数多く行われている。 本稿では,本論文の執筆時点での文献を包括的にレビューし,完全畳み込みピクセルラベルネットワーク,エンコーダ・デコーダアーキテクチャ,マルチスケールおよびピラミッドベースアプローチ,リカレントネットワーク,視覚的注意モデル,対向的設定における生成モデルなど,セマンティックおよびインスタンスレベルのセグメンテーションの先駆的な研究の幅広い範囲について紹介する。 本稿では,これらの深層学習モデルの類似性,強み,課題について検討し,最も広く使われているデータセットを調査し,性能を報告し,この分野における将来的な研究方向性について議論する。

関連論文リスト

• Semi-Supervised Semantic Segmentation Based on Pseudo-Labels: A Survey [49.47197748663787]
  本総説は, 半教師付きセマンティックセグメンテーション分野における擬似ラベル手法に関する最新の研究成果について, 包括的かつ組織的に概観することを目的としている。 さらに,医用およびリモートセンシング画像のセグメンテーションにおける擬似ラベル技術の適用について検討する。
  論文  参考訳（メタデータ） (2024-03-04T10:18:38Z)
• Deep Learning Techniques for Video Instance Segmentation: A Survey [19.32547752428875]
  ビデオインスタンスセグメンテーションは、2019年に導入された新しいコンピュータビジョン研究分野である。 ディープラーニング技術は、様々なコンピュータビジョン領域において支配的な役割を担っている。 このサーベイは、ビデオインスタンスセグメンテーションのためのディープラーニングスキームの多面的なビューを提供する。
  論文  参考訳（メタデータ） (2023-10-19T00:27:30Z)
• A Comprehensive Review of Modern Object Segmentation Approaches [1.7041248235270654]
  画像セグメンテーション(英: Image segmentation)とは、画像中のピクセルをそれぞれのオブジェクトクラスラベルに関連付けるタスクである。 画像レベルのオブジェクト認識と画素レベルのシーン理解のためのディープラーニングベースのアプローチが開発されている。 イメージセグメンテーションタスクの拡張には、3Dとビデオセグメンテーションが含まれており、voxポイントクラウドのユニットとビデオフレームは異なるオブジェクトに分類される。
  論文  参考訳（メタデータ） (2023-01-13T19:35:46Z)
• Deep Image Deblurring: A Survey [165.32391279761006]
  低レベルのコンピュータビジョンにおいて、デブロアリングは古典的な問題であり、ぼやけた入力画像からシャープなイメージを復元することを目的としている。 近年のディープラーニングの進歩は、この問題の解決に大きな進歩をもたらした。
  論文  参考訳（メタデータ） (2022-01-26T01:31:30Z)
• From Show to Tell: A Survey on Image Captioning [48.98681267347662]
  視覚と言語を結びつけることは、ジェネレーティブ・インテリジェンスにおいて重要な役割を担っている。 画像キャプションの研究はまだ結論に達していない。 本研究の目的は,画像キャプション手法の包括的概要と分類を提供することである。
  論文  参考訳（メタデータ） (2021-07-14T18:00:54Z)
• A Survey on Deep Learning Technique for Video Segmentation [147.0767454918527]
  ビデオセグメンテーションは幅広い応用において重要な役割を果たしている。 ディープラーニングベースのアプローチは、ビデオセグメンテーションに特化しており、魅力的なパフォーマンスを提供している。
  論文  参考訳（メタデータ） (2021-07-02T15:51:07Z)
• A Survey on Deep Learning Methods for Semantic Image Segmentation in Real-Time [0.0]
  ロボット工学や自動運転車など、多くの分野において、セマンティックイメージのセグメンテーションが不可欠である。 診断と治療の成功は、検討中のデータの極めて正確な理解に依存している。 近年のディープラーニングの進歩は、この問題に効果的かつ高精度に対処するためのツールを多数提供してきた。
  論文  参考訳（メタデータ） (2020-09-27T20:30:10Z)
• Deep Learning of Unified Region, Edge, and Contour Models for Automated Image Segmentation [2.0305676256390934]
  畳み込みニューラルネットワーク(CNN)は,自動セグメンテーションパイプラインの設計において注目を集めている。 CNNベースのモデルは、生の画像データから抽象的な特徴を学ぶには十分だが、それらのパフォーマンスは、適切なトレーニングデータセットの可用性とサイズに依存している。 本稿では,これらの問題に対処する新しい手法を考案し,完全自動セマンティックセマンティックセグメンテーションのための堅牢な表現学習フレームワークを構築した。
  論文  参考訳（メタデータ） (2020-06-23T02:54:55Z)
• Towards Coding for Human and Machine Vision: A Scalable Image Coding Approach [104.02201472370801]
  圧縮モデルと生成モデルの両方を活用することにより,新しい画像符号化フレームワークを考案した。 高度な生成モデルを導入することで、コンパクトな特徴表現と参照画素から画像を再構成するフレキシブルネットワークを訓練する。 実験により、人間の視覚的品質と顔のランドマーク検出の両方において、我々の枠組みが優れていることが示された。
  論文  参考訳（メタデータ） (2020-01-09T10:37:17Z)

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。