論文の概要: Learning to segment from misaligned and partial labels

• arxiv url: http://arxiv.org/abs/2005.13180v1
• Date: Wed, 27 May 2020 06:02:58 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-28 09:33:23.194222
• Title: Learning to segment from misaligned and partial labels
• Title（参考訳）: ミスアライメントと部分ラベルからのセグメンテーションの学習
• Authors: Simone Fobi, Terence Conlon, Jayant Taneja, Vijay Modi
• Abstract要約: アーバン以外の多くの設定は、正確なセグメンテーションに必要な基盤構造を欠いている。 OpenStreetMaps (OSM)のようなオープンソースのインフラストラクチャアノテーションがこの問題を代表している。 本稿では,不整合アノテーションと欠落アノテーションを付与した画素画像分割を改良した,新規で一般化可能な2段階のフレームワークを提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: To extract information at scale, researchers increasingly apply semantic segmentation techniques to remotely-sensed imagery. While fully-supervised learning enables accurate pixel-wise segmentation, compiling the exhaustive datasets required is often prohibitively expensive. As a result, many non-urban settings lack the ground-truth needed for accurate segmentation. Existing open source infrastructure data for these regions can be inexact and non-exhaustive. Open source infrastructure annotations like OpenStreetMaps (OSM) are representative of this issue: while OSM labels provide global insights to road and building footprints, noisy and partial annotations limit the performance of segmentation algorithms that learn from them. In this paper, we present a novel and generalizable two-stage framework that enables improved pixel-wise image segmentation given misaligned and missing annotations. First, we introduce the Alignment Correction Network to rectify incorrectly registered open source labels. Next, we demonstrate a segmentation model -- the Pointer Segmentation Network -- that uses corrected labels to predict infrastructure footprints despite missing annotations. We test sequential performance on the AIRS dataset, achieving a mean intersection-over-union score of 0.79; more importantly, model performance remains stable as we decrease the fraction of annotations present. We demonstrate the transferability of our method to lower quality data, by applying the Alignment Correction Network to OSM labels to correct building footprints; we also demonstrate the accuracy of the Pointer Segmentation Network in predicting cropland boundaries in California from medium resolution data. Overall, our methodology is robust for multiple applications with varied amounts of training data present, thus offering a method to extract reliable information from noisy, partial data.
• Abstract（参考訳）: 大規模に情報を抽出するため、研究者はリモートセンシング画像にセマンティックセグメンテーション技術を適用している。 完全な教師付き学習は正確なピクセル単位のセグメンテーションを可能にするが、必要な徹底的なデータセットのコンパイルは、しばしば非常に高価である。 その結果、多くの非都市環境は正確なセグメンテーションに必要な地平線を欠いている。 これらのリージョンの既存のオープンソースインフラストラクチャデータは、非現実的で、余分なものではない。 OpenStreetMaps (OSM)のようなオープンソースのインフラストラクチャアノテーションは、この問題を代表している: OSMラベルは、ロードやビルディングのフットプリントに対するグローバルな洞察を提供するが、ノイズや部分的なアノテーションは、それらから学ぶセグメンテーションアルゴリズムのパフォーマンスを制限する。 本稿では,不整合アノテーションと欠落アノテーションを併用した画素ワイド画像のセグメンテーションを改良した,新規で一般化可能な2段階フレームワークを提案する。 まず,不正に登録されたオープンソースラベルを訂正するためのアライメント補正ネットワークを提案する。 次に,アノテーションの欠如にもかかわらず,修正ラベルを使用してインフラストラクチャフットプリントを予測する,ポインタセグメンテーションネットワークと呼ばれるセグメンテーションモデルを示す。 我々はAIRSデータセット上で連続的な性能をテストし、平均交叉対合同スコア0.79を達成する。 本手法は,osmラベルにアライメント補正ネットワークを適用することで,品質データへの移動性を低下させるとともに,中分解能データからカリフォルニア州の農地境界予測におけるポインターセグメンテーションネットワークの精度を実証する。 全体として,本手法は,多量のトレーニングデータを有する複数のアプリケーションに対して頑健であり,ノイズの多い部分データから信頼できる情報を抽出する方法を提供する。

関連論文リスト

• Terrain-Informed Self-Supervised Learning: Enhancing Building Footprint Extraction from LiDAR Data with Limited Annotations [1.3243401820948064]
  フットプリントマップの構築は、広範な後処理なしで正確なフットプリント抽出を約束する。 ディープラーニング手法は、一般化とラベルの効率の面で課題に直面している。 リモートセンシングに適した地形認識型自己教師型学習を提案する。
  論文  参考訳（メタデータ） (2023-11-02T12:34:23Z)
• Learning from SAM: Harnessing a Foundation Model for Sim2Real Adaptation by Regularization [17.531847357428454]
  ドメイン適応は特にロボティクスアプリケーションにおいて重要であり、ターゲットとなるドメイントレーニングデータは通常不足しており、アノテーションは入手するのにコストがかかる。 本稿では、アノテートされたソースドメインデータが利用可能なシナリオに対して、自己教師付きドメイン適応手法を提案する。 本手法は意味的セグメンテーションタスクを対象とし,セグメンテーション基盤モデル(セグメンテーション任意のモデル)を用いて無注釈データのセグメンテーション情報を取得する。
  論文  参考訳（メタデータ） (2023-09-27T10:37:36Z)
• CorrMatch: Label Propagation via Correlation Matching for Semi-Supervised Semantic Segmentation [73.89509052503222]
  本稿では、CorrMatchと呼ばれる、単純だが実行可能な半教師付きセマンティックセマンティックセマンティックセマンティクス手法を提案する。 相関写像は、同一カテゴリのクラスタリングピクセルを容易に実現できるだけでなく、良好な形状情報も含んでいることを観察する。 我々は,高信頼画素を拡大し,さらに掘り出すために,画素の対の類似性をモデル化して画素伝搬を行う。 そして、相関地図から抽出した正確なクラス非依存マスクを用いて、領域伝搬を行い、擬似ラベルを強化する。
  論文  参考訳（メタデータ） (2023-06-07T10:02:29Z)
• DecoupleNet: Decoupled Network for Domain Adaptive Semantic Segmentation [78.30720731968135]
  セマンティックセグメンテーションにおける教師なしドメイン適応は、高価なピクセル単位のアノテーションへの依存を軽減するために提起されている。 我々は、ソースドメインのオーバーフィットを軽減し、最終的なモデルをセグメント化タスクに集中できるようにするDecoupleNetを提案する。 我々はまた、自己識別(SD)を推進し、擬似ラベルでより識別可能なターゲットドメイン特徴を学習するための補助分類器を導入した。
  論文  参考訳（メタデータ） (2022-07-20T15:47:34Z)
• Weakly Supervised Change Detection Using Guided Anisotropic Difusion [97.43170678509478]
  我々は、このようなデータセットを変更検出の文脈で活用するのに役立つ独自のアイデアを提案する。 まず,意味的セグメンテーション結果を改善する誘導異方性拡散(GAD)アルゴリズムを提案する。 次に、変化検出に適した2つの弱い教師付き学習戦略の可能性を示す。
  論文  参考訳（メタデータ） (2021-12-31T10:03:47Z)
• Video-based Person Re-identification without Bells and Whistles [49.51670583977911]
  ビデオベースの人物再識別(Re-ID)は、異なるカメラの下で歩行者を特定するために、ビデオトラッカーとトリミングされたビデオフレームをマッチングすることを目的としている。 従来の方法による不完全な検出と追跡の結果から, 収穫したトラックレットの空間的, 時間的不整合が生じている。 本稿では,深層学習に基づくトラックレットの検出と追跡を適用することで,これらの予期せぬノイズを効果的に低減できる簡易な再検出リンク(DL)モジュールを提案する。
  論文  参考訳（メタデータ） (2021-05-22T10:17:38Z)
• SOLD2: Self-supervised Occlusion-aware Line Description and Detection [95.8719432775724]
  単一深層ネットワークにおける回線セグメントの最初の共同検出と記述について紹介します。 我々の手法は注釈付き行ラベルを必要としないため、任意のデータセットに一般化することができる。 複数のマルチビューデータセットにおいて,従来の行検出と記述方法に対するアプローチを評価した。
  論文  参考訳（メタデータ） (2021-04-07T19:27:17Z)
• Sparse Object-level Supervision for Instance Segmentation with Pixel Embeddings [4.038011160363972]
  ほとんどの最先端のインスタンスセグメンテーションメソッドは、密接な注釈付き画像でトレーニングする必要があります。 非空間埋め込みに基づく提案フリーセグメンテーション手法を提案する。 本研究では, 異なる顕微鏡モードにおける2次元および3次元分割問題の解法について検討した。
  論文  参考訳（メタデータ） (2021-03-26T16:36:56Z)
• Boosting Semi-supervised Image Segmentation with Global and Local Mutual Information Regularization [9.994508738317585]
  カテゴリー分布の相互情報(MI)を利用する半教師付きセグメンテーション手法を提案する。 医用画像セグメンテーションのための3つの挑戦的公開データセットについて評価を行った。
  論文  参考訳（メタデータ） (2021-03-08T15:13:25Z)
• Weakly-Supervised Salient Object Detection via Scribble Annotations [54.40518383782725]
  本稿では,スクリブルラベルからサリエンシを学習するための弱教師付きサリエント物体検出モデルを提案する。 そこで本研究では,予測されたサリエンシマップの構造アライメントを測定するために,新しい尺度であるサリエンシ構造尺度を提案する。 我々の手法は、既存の弱教師付き/非教師付き手法よりも優れているだけでなく、いくつかの完全教師付き最先端モデルと同等である。
  論文  参考訳（メタデータ） (2020-03-17T12:59:50Z)

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。