論文の概要: SideInfNet: A Deep Neural Network for Semi-Automatic Semantic
Segmentation with Side Information
- arxiv url: http://arxiv.org/abs/2002.02634v4
- Date: Fri, 17 Jul 2020 12:59:56 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-03 04:54:11.226971
- Title: SideInfNet: A Deep Neural Network for Semi-Automatic Semantic
Segmentation with Side Information
- Title(参考訳): SideInfNet:サイド情報付き半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ディープニューラルネットワーク
- Authors: Jing Yu Koh, Duc Thanh Nguyen, Quang-Trung Truong, Sai-Kit Yeung,
Alexander Binder
- Abstract要約: 本稿では,新たなディープニューラルネットワークアーキテクチャであるSideInfNetを提案する。
画像から学習した機能とユーザアノテーションから抽出したサイド情報を統合する。
提案手法を評価するために,提案したネットワークを3つのセマンティックセグメンテーションタスクに適用し,ベンチマークデータセットに対する広範な実験を行った。
- 参考スコア(独自算出の注目度): 83.03179580646324
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Fully-automatic execution is the ultimate goal for many Computer Vision
applications. However, this objective is not always realistic in tasks
associated with high failure costs, such as medical applications. For these
tasks, semi-automatic methods allowing minimal effort from users to guide
computer algorithms are often preferred due to desirable accuracy and
performance. Inspired by the practicality and applicability of the
semi-automatic approach, this paper proposes a novel deep neural network
architecture, namely SideInfNet that effectively integrates features learnt
from images with side information extracted from user annotations. To evaluate
our method, we applied the proposed network to three semantic segmentation
tasks and conducted extensive experiments on benchmark datasets. Experimental
results and comparison with prior work have verified the superiority of our
model, suggesting the generality and effectiveness of the model in
semi-automatic semantic segmentation.
- Abstract(参考訳): 完全な自動実行は、多くのコンピュータビジョンアプリケーションの最終的な目標である。
しかし、この目的は医学的応用のような高い障害コストに関連するタスクにおいて常に現実的ではない。
これらのタスクでは、ユーザがコンピュータアルゴリズムをガイドする作業を最小限に抑える半自動手法が望ましい精度と性能のために好まれる。
本稿では,半自動アプローチの実用性と適用性に着想を得て,画像から学習した特徴をユーザアノテーションから抽出した側面情報と効果的に統合する,新しいディープニューラルネットワークアーキテクチャを提案する。
提案手法を評価するために,提案ネットワークを3つの意味セグメンテーションタスクに適用し,ベンチマークデータセットについて広範な実験を行った。
実験結果と先行研究との比較により,半自動的意味セグメンテーションにおけるモデルの汎用性と有効性が示唆された。
関連論文リスト
- Transfer Learning with Reconstruction Loss [12.906500431427716]
本稿では,モデルに新たな再構築段階を追加することで,新たなモデル学習手法を提案する。
提案手法は、学習した特徴を一般化し、伝達しやすくし、効率的な伝達学習に容易に利用できる。
数値シミュレーションでは、MNIST手書き桁の転送学習、デバイス間無線ネットワークの電力割り当て、複数入出力ネットワークのダウンリンクビームフォーミングとローカライゼーションの3つの応用が研究されている。
論文 参考訳(メタデータ) (2024-03-31T00:22:36Z) - S$^3$M-Net: Joint Learning of Semantic Segmentation and Stereo Matching
for Autonomous Driving [40.305452898732774]
S$3$M-Netはセマンティックセグメンテーションとステレオマッチングを同時に行うために開発された新しい共同学習フレームワークである。
S$3$M-Netは、両方のタスク間でRGBイメージから抽出された特徴を共有し、全体的なシーン理解能力が改善された。
論文 参考訳(メタデータ) (2024-01-21T06:47:33Z) - A Threefold Review on Deep Semantic Segmentation: Efficiency-oriented,
Temporal and Depth-aware design [77.34726150561087]
我々は、自動運転車のビジョンの文脈において、Deep Semanticの最も関連性があり最近の進歩について調査を行う。
私たちの主な目的は、それぞれの視点で直面している主要な方法、利点、制限、結果、課題に関する包括的な議論を提供することです。
論文 参考訳(メタデータ) (2023-03-08T01:29:55Z) - ALSO: Automotive Lidar Self-supervision by Occupancy estimation [70.70557577874155]
本稿では,ポイントクラウド上で動作している深層知覚モデルのバックボーンを事前学習するための自己教師型手法を提案する。
中心となる考え方は、3Dポイントがサンプリングされる表面の再構成であるプリテキストタスクでモデルをトレーニングすることである。
直感的には、もしネットワークがわずかな入力ポイントのみを考慮し、シーン表面を再構築できるなら、おそらく意味情報の断片をキャプチャする。
論文 参考訳(メタデータ) (2022-12-12T13:10:19Z) - HyperImpute: Generalized Iterative Imputation with Automatic Model
Selection [77.86861638371926]
カラムワイズモデルを適応的かつ自動的に構成するための一般化反復計算フレームワークを提案する。
既製の学習者,シミュレータ,インターフェースを備えた具体的な実装を提供する。
論文 参考訳(メタデータ) (2022-06-15T19:10:35Z) - X-Distill: Improving Self-Supervised Monocular Depth via Cross-Task
Distillation [69.9604394044652]
そこで本研究では,クロスタスク知識蒸留による単眼深度の自己指導的訓練を改善する手法を提案する。
トレーニングでは,事前訓練されたセマンティックセグメンテーション教師ネットワークを使用し,そのセマンティック知識を深度ネットワークに転送する。
提案手法の有効性をKITTIベンチマークで評価し,最新技術と比較した。
論文 参考訳(メタデータ) (2021-10-24T19:47:14Z) - MaAST: Map Attention with Semantic Transformersfor Efficient Visual
Navigation [4.127128889779478]
この作業は、自律エージェントの視覚ナビゲーションのための既存の学習ベースのソリューションよりも良く、または匹敵するパフォーマンスに重点を置いています。
本稿では,重要シーンのセマンティクスを意味的に理解し,トップダウンのエゴセントリックな地図表現にエンコードする手法を提案する。
本研究では,3次元再構成した屋内ポイントゴーア視覚ナビゲーション実験を行い,その効果を実証する。
論文 参考訳(メタデータ) (2021-03-21T12:01:23Z) - Fully Dynamic Inference with Deep Neural Networks [19.833242253397206]
Layer-Net(L-Net)とChannel-Net(C-Net)と呼ばれる2つのコンパクトネットワークは、どのレイヤやフィルタ/チャネルが冗長であるかをインスタンス毎に予測する。
CIFAR-10データセットでは、LC-Netは11.9$times$ less floating-point Operations (FLOPs) となり、他の動的推論手法と比較して最大3.3%精度が向上する。
ImageNetデータセットでは、LC-Netは最大1.4$times$ FLOPsを減らし、Top-1の精度は他の方法よりも4.6%高い。
論文 参考訳(メタデータ) (2020-07-29T23:17:48Z) - Depthwise Non-local Module for Fast Salient Object Detection Using a
Single Thread [136.2224792151324]
本稿では,高速な物体検出のための新しいディープラーニングアルゴリズムを提案する。
提案アルゴリズムは,1つのCPUスレッドと同時に,競合精度と高い推論効率を実現する。
論文 参考訳(メタデータ) (2020-01-22T15:23:48Z)
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。