論文の概要: PCAMs: Weakly Supervised Semantic Segmentation Using Point Supervision
- arxiv url: http://arxiv.org/abs/2007.05615v1
- Date: Fri, 10 Jul 2020 21:25:27 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-11 22:18:10.892610
- Title: PCAMs: Weakly Supervised Semantic Segmentation Using Point Supervision
- Title（参考訳）: PCAMs:ポイントスーパービジョンを用いた弱い監視セマンティックセグメンテーション
- Authors: R. Austin McEver and B.S. Manjunath
- Abstract要約: 本稿では,ある点レベルのアノテーションが与えられた画像から意味的セグメンテーションを生成する新しい手法を提案する。
提案するCNNは,通常,地上の真理ラベルの代わりに擬似ラベルを用いて完全に教師される。
提案手法は,PASCAL VOC 2012 データセットを引用した PASCAL VOC 2012 のセマンティックセマンティックセマンティフィケーションのための技術結果の状態を達成し,より強いバウンディングボックスやリスグル管理のための技術手法よりも優れていた。
- 参考スコア（独自算出の注目度）: 12.284208932393073
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Current state of the art methods for generating semantic segmentation rely
heavily on a large set of images that have each pixel labeled with a class of
interest label or background. Coming up with such labels, especially in domains
that require an expert to do annotations, comes at a heavy cost in time and
money. Several methods have shown that we can learn semantic segmentation from
less expensive image-level labels, but the effectiveness of point level labels,
a healthy compromise between all pixels labelled and none, still remains
largely unexplored. This paper presents a novel procedure for producing
semantic segmentation from images given some point level annotations. This
method includes point annotations in the training of a convolutional neural
network (CNN) for producing improved localization and class activation maps.
Then, we use another CNN for predicting semantic affinities in order to
propagate rough class labels and create pseudo semantic segmentation labels.
Finally, we propose training a CNN that is normally fully supervised using our
pseudo labels in place of ground truth labels, which further improves
performance and simplifies the inference process by requiring just one CNN
during inference rather than two. Our method achieves state of the art results
for point supervised semantic segmentation on the PASCAL VOC 2012 dataset
\cite{everingham2010pascal}, even outperforming state of the art methods for
stronger bounding box and squiggle supervision.
- Abstract（参考訳）: セマンティックセグメンテーションを生成するためのartメソッドの現状は、各ピクセルに関心のあるラベルや背景のクラスをラベル付けした大規模なイメージセットに大きく依存している。
このようなラベルを思いつくことは、特に専門家がアノテーションを行う必要があるドメインでは、時間とお金のコストがかかります。
いくつかの方法では、より安価な画像レベルラベルから意味的セグメンテーションを学習できることが示されているが、点レベルラベルの有効性は、ラベルされた全てのピクセルとノーの間の健全な妥協である。
本稿では,ある点レベルのアノテーションが与えられた画像から意味的セグメンテーションを生成する新しい手法を提案する。
この方法は、改良されたローカライゼーションとクラスアクティベーションマップを生成するための畳み込みニューラルネットワーク(CNN)のトレーニングにおけるポイントアノテーションを含む。
次に,他のCNNを用いてセマンティック親和性を予測し,粗いクラスラベルを伝播し,擬似セマンティックセマンティクスラベルを作成する。
最後に,2つの推論において1つのCNNしか必要とせず,さらに性能を向上し,推論プロセスを簡素化するCNNのトレーニングを提案する。
提案手法は,PASCAL VOC 2012 データセット \cite{everingham2010pascal} 上の点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に対する技術結果の状態を達成し,より強いバウンディングボックスとリスグルインスペクションのための技術手法よりも優れていた。
関連論文リスト
- Scribble Hides Class: Promoting Scribble-Based Weakly-Supervised
Semantic Segmentation with Its Class Label [16.745019028033518]
画像レベルのクラスから情報を得たスクリブルアノテーションと擬似ラベルと、監督のためのグローバルセマンティクスの両方を利用するクラス駆動型スクリブルプロモーションネットワークを提案する。
スクリブルアノテーションの異なる性質を持つScribbleSupデータセットの実験は、従来の手法よりも優れており、本手法の優位性と堅牢性を示している。
論文 参考訳（メタデータ） (2024-02-27T14:51:56Z) - Learning Semantic Segmentation with Query Points Supervision on Aerial Images [57.09251327650334]
セマンティックセグメンテーションアルゴリズムを学習するための弱教師付き学習アルゴリズムを提案する。
提案手法は正確なセマンティックセグメンテーションを行い,手作業のアノテーションに要するコストと時間を大幅に削減することで効率を向上する。
論文 参考訳（メタデータ） (2023-09-11T14:32:04Z) - Distilling Self-Supervised Vision Transformers for Weakly-Supervised
Few-Shot Classification & Segmentation [58.03255076119459]
視覚変換器(ViT)を利用した弱教師付き小ショット画像分類とセグメンテーションの課題に対処する。
提案手法は,自己監督型ViTからトークン表現を抽出し,その相関関係を利用して分類とセグメンテーションの予測を行う。
Pascal-5iとCOCO-20iの実験は、様々な監視設定において大きなパフォーマンス向上を示した。
論文 参考訳（メタデータ） (2023-07-07T06:16:43Z) - Exploring Structured Semantic Prior for Multi Label Recognition with
Incomplete Labels [60.675714333081466]
不完全なラベルを持つマルチラベル認識(MLR)は非常に難しい。
最近の研究は、視覚言語モデルであるCLIPにおける画像とラベルの対応を探り、不十分なアノテーションを補うことを目指している。
我々は,MLRにおけるラベル管理の欠如を,構造化されたセマンティクスを導出することにより,不完全なラベルで修復することを提唱する。
論文 参考訳（メタデータ） (2023-03-23T12:39:20Z) - ISLE: A Framework for Image Level Semantic Segmentation Ensemble [5.137284292672375]
従来のセマンティックセグメンテーションネットワークは、最先端の予測品質に到達するために、大量のピクセル単位のアノテートラベルを必要とする。
クラスレベルで異なるセマンティックセグメンテーション手法のセットに「擬似ラベル」のアンサンブルを用いるISLEを提案する。
私たちはISLEの個々のコンポーネントよりも2.4%改善しています。
論文 参考訳（メタデータ） (2023-03-14T13:36:36Z) - LESS: Label-Efficient Semantic Segmentation for LiDAR Point Clouds [62.49198183539889]
我々は,LiDAR点雲を用いた屋外シーンのためのラベル効率のよいセマンティックセマンティックセマンティクスパイプラインを提案する。
本手法は,半弱教師付き学習を用いて,効率的なラベリング手法を設計する。
提案手法は,100%ラベル付き完全教師付き手法と比較して,さらに競争力が高い。
論文 参考訳（メタデータ） (2022-10-14T19:13:36Z) - Leveraging Auxiliary Tasks with Affinity Learning for Weakly Supervised
Semantic Segmentation [88.49669148290306]
そこで我々はAuxSegNetと呼ばれる弱教師付きマルチタスク・フレームワークを提案し,サリエンシ検出とマルチラベル画像分類を補助タスクとして活用する。
同様の構造的セマンティクスに着想を得て,サリエンシとセグメンテーションの表現から,クロスタスクなグローバル画素レベルの親和性マップを学習することを提案する。
学習されたクロスタスク親和性は、両方のタスクに対して改善された擬似ラベルを提供するために、唾液度予測を洗練し、CAMマップを伝播するために使用することができる。
論文 参考訳（メタデータ） (2021-07-25T11:39:58Z) - Universal Weakly Supervised Segmentation by Pixel-to-Segment Contrastive
Learning [28.498782661888775]
半教師付きメトリック学習問題として弱教師付きセグメンテーションを定式化する。
特徴空間における画素とセグメント間のコントラスト関係を4種類提案する。
我々はPascal VOCとDensePoseに大きな利益をもたらす、普遍的な弱教師付きセグメンタを提供する。
論文 参考訳（メタデータ） (2021-05-03T15:49:01Z) - A Closer Look at Self-training for Zero-Label Semantic Segmentation [53.4488444382874]
トレーニング中に見られないクラスをセグメント化できることは、ディープラーニングにおいて重要な技術的課題です。
事前のゼロラベルセマンティクスセグメンテーションは、ビジュアル・セマンティクスの埋め込みや生成モデルを学ぶことによってこのタスクにアプローチする。
本研究では,同一画像の異なる増分から生じる擬似ラベルの交点を取り出し,ノイズの多い擬似ラベルをフィルタリングする整合性正規化器を提案する。
論文 参考訳（メタデータ） (2021-04-21T14:34:33Z) - Discovering Latent Classes for Semi-Supervised Semantic Segmentation [18.5909667833129]
本稿では,半教師付きセマンティックセグメンテーションの問題について検討する。
ラベル付き画像のセマンティッククラスと一致した潜在クラスを学習する。
提案手法は,半教師付きセマンティックセグメンテーションのための技術結果の状態を達成している。
論文 参考訳（メタデータ） (2019-12-30T14:16:24Z)
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。