論文の概要: Pixel Consensus Voting for Panoptic Segmentation

• arxiv url: http://arxiv.org/abs/2004.01849v1
• Date: Sat, 4 Apr 2020 04:33:45 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-16 23:10:04.856523
• Title: Pixel Consensus Voting for Panoptic Segmentation
• Title（参考訳）: パンオプティカルセグメンテーションのためのピクセルコンセンサス投票
• Authors: Haochen Wang, Ruotian Luo, Michael Maire, Greg Shakhnarovich
• Abstract要約: Pixel Consensus Votingは、一般化ハフ変換に基づくインスタンスセグメンテーションのためのフレームワークである。 畳み込みニューラルネットワークのネイティブ演算子を用いて,投票集約とバックプロジェクションを実装した。
• 参考スコア（独自算出の注目度）: 34.76582105480241
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The core of our approach, Pixel Consensus Voting, is a framework for instance segmentation based on the Generalized Hough transform. Pixels cast discretized, probabilistic votes for the likely regions that contain instance centroids. At the detected peaks that emerge in the voting heatmap, backprojection is applied to collect pixels and produce instance masks. Unlike a sliding window detector that densely enumerates object proposals, our method detects instances as a result of the consensus among pixel-wise votes. We implement vote aggregation and backprojection using native operators of a convolutional neural network. The discretization of centroid voting reduces the training of instance segmentation to pixel labeling, analogous and complementary to FCN-style semantic segmentation, leading to an efficient and unified architecture that jointly models things and stuff. We demonstrate the effectiveness of our pipeline on COCO and Cityscapes Panoptic Segmentation and obtain competitive results. Code will be open-sourced.
• Abstract（参考訳）: われわれのアプローチの中核であるPixel Consensus Votingは、一般化されたハフ変換に基づくインスタンスセグメンテーションのためのフレームワークである。 ピクセルは、インスタンスcentroidを含む可能性のある領域に対して、離散化された確率的投票をキャストする。 投票ヒートマップに現れる検出されたピークでは、バックプロジェクションを適用してピクセルを収集し、インスタンスマスクを生成する。 オブジェクト提案を密に列挙するスライディングウィンドウ検出器とは異なり,本手法は画素単位の投票結果のコンセンサスによってインスタンスを検出する。 畳み込みニューラルネットワークのネイティブ演算子を用いて,投票集計とバックプロジェクションを実装する。 セントロイド投票の離散化は、fcnスタイルのセマンティクスセグメンテーションと類似し補完的なピクセルラベリングへのインスタンスセグメンテーションのトレーニングを減少させ、物やものを共同でモデル化する効率的で統一的なアーキテクチャへと繋がる。 我々は,COCOおよびCityscapes Panoptic Segmentationにおけるパイプラインの有効性を実証し,競争結果を得た。 コードはオープンソースになる。

関連論文リスト

• Exploring PCA-based feature representations of image pixels via CNN to enhance food image segmentation [2.1756081703276]
  本稿では、畳み込みニューラルネットワーク(CNN)を用いて、PCAに基づく画像画素の特徴表現を探索し、セグメンテーションを強化する手法を提案する。 シルエットスコアに基づく内部クラスタリング指標を定義し,様々な画素レベルの特徴表現のクラスタリング品質を評価する。 提案手法は食材ラベル付きデータセットFoodSeg103で良好に動作し、平均mIoUスコアが0.5423である。
  論文  参考訳（メタデータ） (2024-11-03T07:33:41Z)
• Pixel-Level Clustering Network for Unsupervised Image Segmentation [3.69853388955692]
  画像の領域分割のためのピクセルレベルのクラスタリングフレームワークを,地上の真理アノテーションを使わずに提案する。 また、各スーパーピクセル間の一貫性、隣接するスーパーピクセル間の相似性/相似性、画像間の構造的類似性を利用したトレーニング戦略を提案する。
  論文  参考訳（メタデータ） (2023-10-24T23:06:29Z)
• Voting Network for Contour Levee Farmland Segmentation and Classification [3.3675306464999357]
  高解像度の航空画像は農地の細部を細部まで表現することができる。 本稿では,高解像度空中画像からの輪郭リーブを用いた農地分割のためのエンドツーエンドのトレーニングネットワークを提案する。
  論文  参考訳（メタデータ） (2023-09-28T16:16:08Z)
• Unified Mask Embedding and Correspondence Learning for Self-Supervised Video Segmentation [76.40565872257709]
  我々は、局所的な識別的特徴学習のためのフレーム間密度対応を同時にモデル化する統合フレームワークを開発する。 ラベルなしビデオから直接マスク誘導シーケンシャルセグメンテーションを実行することができる。 我々のアルゴリズムは、2つの標準ベンチマーク(DAVIS17とYouTube-VOS)に最先端をセットする。
  論文  参考訳（メタデータ） (2023-03-17T16:23:36Z)
• Which Pixel to Annotate: a Label-Efficient Nuclei Segmentation Framework [70.18084425770091]
  ディープニューラルネットワークは、H&E染色病理像の核インスタンスセグメンテーションに広く応用されている。 通常、類似したパターンと冗長なパターンを含む核画像のデータセットに全てのピクセルをラベル付けするのは非効率で不要である。 そこで本研究では,アノテートするイメージパッチを数個だけ選択し,選択したサンプルからトレーニングセットを増強し,半教師付きで核分割を実現する,新しいフル核分割フレームワークを提案する。
  論文  参考訳（メタデータ） (2022-12-20T14:53:26Z)
• Pointly-Supervised Panoptic Segmentation [106.68888377104886]
  弱教師付き単眼セグメンテーションにポイントレベルのアノテーションを適用するための新しい手法を提案する。 完全に教師された方法で使用される高密度のピクセルレベルラベルの代わりに、ポイントレベルラベルは、監督対象ごとに単一のポイントしか提供しない。 我々は、ポイントレベルのラベルから同時に汎視的擬似マスクを生成し、それらから学習することで、エンドツーエンドのフレームワークにおける問題を定式化する。
  論文  参考訳（メタデータ） (2022-10-25T12:03:51Z)
• Exploring Cross-Image Pixel Contrast for Semantic Segmentation [130.22216825377618]
  完全教師付きセッティングにおけるセマンティックセグメンテーションのための画素単位のコントラストフレームワークを提案する。 中心となる考え方は、同じセマンティッククラスに属するピクセルの埋め込みを、異なるクラスの埋め込みよりもよく似ているように強制することである。 テスト中に余分なオーバーヘッドを伴わずに既存のセグメンテーションフレームワークに懸命に組み込むことができる。
  論文  参考訳（メタデータ） (2021-01-28T11:35:32Z)
• AINet: Association Implantation for Superpixel Segmentation [82.21559299694555]
  今回提案する新しいtextbfAssociation textbfImplantation(AI)モジュールは、ネットワークがピクセルとその周辺グリッド間の関係を明示的にキャプチャすることを可能にする。 本手法は最先端性能を実現するだけでなく,十分な推論効率を維持することができた。
  論文  参考訳（メタデータ） (2021-01-26T10:40:13Z)
• Fully Convolutional Networks for Panoptic Segmentation [91.84686839549488]
  そこで我々は,Panoptic FCNという概念的,シンプルで,強力で,効率的なパノプティックセグメンテーションフレームワークを提案する。 我々のアプローチは、統一された完全な畳み込みパイプラインにおいて、前景や背景を表現し、予測することを目的としています。 Panoptic FCNは、提案されたカーネルジェネレータで、各オブジェクトインスタンスまたは物カテゴリを特定のカーネル重みにエンコードする。
  論文  参考訳（メタデータ） (2020-12-01T18:31:41Z)
• Towards Bounding-Box Free Panoptic Segmentation [16.4548904544277]
  パン光学セグメンテーションのための新しいBunding-Box Free Network (BBFNet) を提案する。 BBFNetは、粗い流域レベルを予測し、境界が適切に定義された大きなインスタンス候補を検出するためにそれらを使用する。 境界が信頼性の低い小さなインスタンスでは、BBFNetはHoughの投票によってインスタンス中心を予測し、続いて平均シフトによって小さなオブジェクトを確実に検出する。
  論文  参考訳（メタデータ） (2020-02-18T16:34:01Z)
• The Semantic Mutex Watershed for Efficient Bottom-Up Semantic Instance Segmentation [15.768804877756384]
  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。
  論文  参考訳（メタデータ） (2019-12-29T19:48:39Z)

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。