論文の概要: Segmenta\c{c}\~ao de imagens utilizando competi\c{c}\~ao e
coopera\c{c}\~ao entre part\'iculas
- arxiv url: http://arxiv.org/abs/2002.05521v1
- Date: Sat, 8 Feb 2020 03:02:00 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-02 22:10:26.914880
- Title: Segmenta\c{c}\~ao de imagens utilizando competi\c{c}\~ao e
coopera\c{c}\~ao entre part\'iculas
- Title(参考訳): Segmenta\c{c}\~ao de imagens utilizando competi\c{c}\~ao e coopera\c{c}\~ao entre part\'iculas
- Authors: B\'arbara Ribeiro da Silva and Fabricio Aparecido Breve
- Abstract要約: 本稿では,イメージセグメンテーションのタスクを実行するための,パーティクルコンペティションとコラボレーションと呼ばれる半教師付き学習手法の拡張提案について述べる。
予備的な結果は、これは有望なアプローチであることを示している。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This paper presents an extension proposal of the semi-supervised learning
method known as Particle Competition and Cooperation for carrying out tasks of
image segmentation. Preliminary results show that this is a promising approach.
Este artigo apresenta uma proposta de extens\~ao do modelo de aprendizado
semi-supervisionado conhecido como Competi\c{c}\~ao e Coopera\c{c}\~ao entre
Part\'iculas para a realiza\c{c}\~ao de tarefas de segmenta\c{c}\~ao de
imagens. Resultados preliminares mostram que esta \'e uma abordagem promissora.
- Abstract(参考訳): 本稿では,粒子競合として知られる半教師付き学習法の拡張提案と,画像分割作業の協調について述べる。
予備的な結果は、これは有望なアプローチであることを示している。
este artigo apresenta uma proposta de extens\~ao do modelo de aprendizado semi-supervisionado conhecido como competi\c{c}\~ao e coopera\c{c}\~ao entre part\'iculas para a realiza\c{c}\~ao de tarefas de segmenta\c{c}\~ao de imagens
研究成果は、現在進行中である。
関連論文リスト
- PartSeg: Few-shot Part Segmentation via Part-aware Prompt Learning [44.48704588318053]
マルチモーダル学習に基づくパートセグメンテーションのためのパートセグと呼ばれる新しい手法を開発した。
PartImageNetとPascal$_$Partデータセットについて広範な実験を行った。
論文 参考訳(メタデータ) (2023-08-24T13:03:42Z) - One-Shot Transfer of Affordance Regions? AffCorrs! [16.754411450790023]
注釈付き空き領域を持つオブジェクトの単一の参照画像が与えられた場合、ターゲットシーン内で意味的に対応する部分をセグメンテーションする。
本稿では、事前学習したDINO-ViTの画像記述子と巡回対応を結合した教師なしモデルであるAffCorrsを提案する。
論文 参考訳(メタデータ) (2022-09-15T08:57:12Z) - Unsupervised Foreground Extraction via Deep Region Competition [102.82027848217908]
ディープ・リージョン・コンペティション(Deep Region Competition, DRC)は、画像から前景オブジェクトを教師なしで抽出するアルゴリズムである。
DRCは、複雑な実世界のデータに対してより競争力のある性能を示し、従来の手法と比較して多目的シーンに挑戦する。
論文 参考訳(メタデータ) (2021-10-29T02:32:44Z) - Few-Shot Segmentation with Global and Local Contrastive Learning [51.677179037590356]
提案するグローバルローカルコントラスト学習を用いて,ラベルのない画像からクエリ情報を学習するための先行抽出器を提案する。
クエリー画像の以前の領域マップを生成し、オブジェクトの位置を判断し、サポート機能とのクロスインタラクションを行うためのガイダンスを作成する。
ベルとホイッスルを使わずに、提案手法は、数発のセグメンテーションタスクに対して、新しい最先端のパフォーマンスを実現する。
論文 参考訳(メタデータ) (2021-08-11T15:52:22Z) - SCNet: Enhancing Few-Shot Semantic Segmentation by Self-Contrastive
Background Prototypes [56.387647750094466]
Few-shot セマンティックセマンティックセマンティクスは,クエリイメージ内の新規クラスオブジェクトを,アノテーション付きの例で分割することを目的としている。
先進的なソリューションのほとんどは、各ピクセルを学習した前景のプロトタイプに合わせることでセグメンテーションを行うメトリクス学習フレームワークを利用している。
このフレームワークは、前景プロトタイプのみとのサンプルペアの不完全な構築のために偏った分類に苦しんでいます。
論文 参考訳(メタデータ) (2021-04-19T11:21:47Z) - Image Co-skeletonization via Co-segmentation [102.59781674888657]
我々は,新しい共同処理の話題である画像コスケルトン化を提案する。
単一の自然な画像におけるオブジェクトのスケルトン化は、オブジェクトに関する事前の知識がほとんどないため、難しい問題である。
本稿では,コ・スケルトン化とコ・セグメンテーション・タスクの結合フレームワークを提案する。
論文 参考訳(メタデータ) (2020-04-12T09:35:54Z) - Motion-supervised Co-Part Segmentation [88.40393225577088]
本稿では,コパートセグメンテーションのための自己教師型ディープラーニング手法を提案する。
提案手法は,映像から推定される動き情報を有効活用して意味のある物体の発見を可能にする。
論文 参考訳(メタデータ) (2020-04-07T09:56:45Z) - CRNet: Cross-Reference Networks for Few-Shot Segmentation [59.85183776573642]
少ないショットセグメンテーションは、少数のトレーニングイメージを持つ新しいクラスに一般化できるセグメンテーションモデルを学ぶことを目的としている。
相互参照機構により、我々のネットワークは2つの画像に共起する物体をよりよく見つけることができる。
PASCAL VOC 2012データセットの実験は、我々のネットワークが最先端のパフォーマンスを達成することを示す。
論文 参考訳(メタデータ) (2020-03-24T04:55:43Z)
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。