論文の概要: Joint Semantic Segmentation and Boundary Detection using Iterative
Pyramid Contexts
- arxiv url: http://arxiv.org/abs/2004.07684v1
- Date: Thu, 16 Apr 2020 14:46:58 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-12 21:45:19.260783
- Title: Joint Semantic Segmentation and Boundary Detection using Iterative
Pyramid Contexts
- Title(参考訳): 反復ピラミッドコンテキストを用いた統合意味セグメンテーションと境界検出
- Authors: Mingmin Zhen, Jinglu Wang, Lei Zhou, Shiwei Li, Tianwei Shen, Jiaxiang
Shang, Tian Fang, Quan Long
- Abstract要約: 本稿では,セマンティックセグメンテーションと境界検出のためのマルチタスク学習フレームワークを提案する。
意味境界検出のために,非意味境界の抑制を目的とした空間勾配融合を提案する。
我々の実験は最先端の作業よりも優れた性能を示した。
- 参考スコア(独自算出の注目度): 35.28037460530125
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In this paper, we present a joint multi-task learning framework for semantic
segmentation and boundary detection. The critical component in the framework is
the iterative pyramid context module (PCM), which couples two tasks and stores
the shared latent semantics to interact between the two tasks. For semantic
boundary detection, we propose the novel spatial gradient fusion to suppress
nonsemantic edges. As semantic boundary detection is the dual task of semantic
segmentation, we introduce a loss function with boundary consistency constraint
to improve the boundary pixel accuracy for semantic segmentation. Our extensive
experiments demonstrate superior performance over state-of-the-art works, not
only in semantic segmentation but also in semantic boundary detection. In
particular, a mean IoU score of 81:8% on Cityscapes test set is achieved
without using coarse data or any external data for semantic segmentation. For
semantic boundary detection, we improve over previous state-of-the-art works by
9.9% in terms of AP and 6:8% in terms of MF(ODS).
- Abstract(参考訳): 本稿では,意味セグメンテーションと境界検出のための統合マルチタスク学習フレームワークを提案する。
フレームワークの重要なコンポーネントは反復ピラミッドコンテキストモジュール(PCM)である。これは2つのタスクを結合し、2つのタスク間で相互作用するために共有された潜在意味を格納する。
セマンティクス境界検出のために,非セマンティクスエッジを抑圧する新しい空間勾配融合を提案する。
セマンティクス境界検出はセマンティクスセグメンテーションの2つのタスクであるため、セマンティクスセグメンテーションにおける境界画素精度を向上させるために、境界一貫性制約付き損失関数を導入する。
広範な実験により, 意味セグメンテーションだけでなく, 意味境界検出においても, 最先端の作業よりも優れた性能を示すことができた。
特に、Cityscapesテストセットの平均IoUスコアは81:8%で、粗いデータやセマンティックセグメンテーションのための外部データを使用しない。
セマンティクス境界検出では、前回の最先端作品よりもapで9.9%、mf(ods)で6:8%改善している。
関連論文リスト
- Auxiliary Tasks Enhanced Dual-affinity Learning for Weakly Supervised
Semantic Segmentation [79.05949524349005]
AuxSegNet+は、サリエンシマップから豊富な情報を探索する弱教師付き補助学習フレームワークである。
また,サリエンシとセグメンテーションの特徴マップから画素レベルの親和性を学習するためのクロスタスク親和性学習機構を提案する。
論文 参考訳(メタデータ) (2024-03-02T10:03:21Z) - Semantic Connectivity-Driven Pseudo-labeling for Cross-domain
Segmentation [89.41179071022121]
自己学習はドメイン間セマンティックセグメンテーションにおいて一般的なアプローチである。
本稿ではセマンティック・コネクティビティ駆動の擬似ラベル方式を提案する。
このアプローチは、接続レベルにおいて擬似ラベルを定式化し、構造的および低雑音のセマンティクスの学習を容易にする。
論文 参考訳(メタデータ) (2023-12-11T12:29:51Z) - Mobile-Seed: Joint Semantic Segmentation and Boundary Detection for
Mobile Robots [17.90723909170376]
セマンティックセグメンテーションと境界検出を同時に行う軽量なフレームワークであるMobile-Seedを紹介する。
我々のフレームワークは、2ストリームエンコーダ、アクティブフュージョンデコーダ(AFD)、デュアルタスク正規化アプローチを備えている。
Cityscapesデータセットの実験によると、Mobile-Seedは最先端(SOTA)ベースラインよりも顕著に改善されている。
論文 参考訳(メタデータ) (2023-11-21T14:53:02Z) - Associating Spatially-Consistent Grouping with Text-supervised Semantic
Segmentation [117.36746226803993]
テキスト教師付きセマンティックセグメンテーションを用いた自己教師付き空間一貫性グループ化を提案する。
部分的なグループ化結果を考えると、さらに画像レベルから領域レベルへのテキスト教師付きモデルを適用する。
59.2% mIoU と 32.4% mIoU を Pascal VOC および Pascal Context ベンチマークで達成した。
論文 参考訳(メタデータ) (2023-04-03T16:24:39Z) - Boundary Guided Context Aggregation for Semantic Segmentation [23.709865471981313]
我々は、画像の全体的意味理解を促進するために、コンテキストアグリゲーションのための重要なガイダンスとして境界を利用する。
我々はCityscapesとADE20Kデータベースに関する広範な実験を行い、最先端の手法で同等の結果を得る。
論文 参考訳(メタデータ) (2021-10-27T17:04:38Z) - Improving Semi-Supervised and Domain-Adaptive Semantic Segmentation with
Self-Supervised Depth Estimation [94.16816278191477]
本稿では,セミアダプティブなセマンティック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フレームワークを提案する。
ラベルのない画像シーケンスでのみ訓練された自己教師付き単眼深度推定によって強化される。
提案したモデルをCityscapesデータセット上で検証する。
論文 参考訳(メタデータ) (2021-08-28T01:33:38Z) - Attention-based fusion of semantic boundary and non-boundary information
to improve semantic segmentation [9.518010235273783]
本稿では,新しい融合方式に基づく画像意味的セグメンテーション手法を提案する。
我々の提案の主な目的は、全体セグメンテーション性能を改善するために、オブジェクト境界情報を調べることである。
提案したモデルでは,CityScapes,CamVid,Pascal Contextデータセットで最高のmIoU,Mapillary Vistasで2番目によいmIoUを達成した。
論文 参考訳(メタデータ) (2021-08-05T20:46:53Z) - Active Boundary Loss for Semantic Segmentation [58.72057610093194]
本稿では,セマンティックセグメンテーションのための新しいアクティブ境界損失を提案する。
エンド・ツー・エンドのトレーニングにおいて、予測境界とグランド・トゥルース・バウンダリのアライメントを徐々に促進することができる。
実験結果から, アクティブ境界損失によるトレーニングは, 境界Fスコアと平均インターセクションオーバ・ユニオンを効果的に改善できることが示された。
論文 参考訳(メタデータ) (2021-02-04T15:47:54Z) - Affinity Space Adaptation for Semantic Segmentation Across Domains [57.31113934195595]
本稿では,意味的セグメンテーションにおける教師なしドメイン適応(UDA)の問題に対処する。
ソースドメインとターゲットドメインが不変なセマンティック構造を持つという事実に触発され、ドメイン間におけるそのような不変性を活用することを提案する。
親和性空間適応戦略として,親和性空間の洗浄と親和性空間アライメントという2つの方法を開発した。
論文 参考訳(メタデータ) (2020-09-26T10:28:11Z) - Edge-Preserving Guided Semantic Segmentation for VIPriors Challenge [3.435043566706133]
現在の最先端およびディープラーニングに基づくセマンティックセマンティックセグメンテーション技術は、よく訓練することは難しい。
付加的な事前情報を得るためのエッジ保存ガイダンスを提案する。
実験により,提案手法は小型のトレーニングセットで優れた性能が得られることを示した。
論文 参考訳(メタデータ) (2020-07-17T11:49:10Z)
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。