論文の概要: Point-to-set distance functions for weakly supervised segmentation

• arxiv url: http://arxiv.org/abs/2007.13251v1
• Date: Mon, 27 Jul 2020 00:15:13 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-06 09:05:09.426681
• Title: Point-to-set distance functions for weakly supervised segmentation
• Title（参考訳）: 弱教師付きセグメンテーションのための点対セット距離関数
• Authors: Bas Peters
• Abstract要約: 画像科学では、多くのアプリケーションはオブジェクト・バックグラウンド構造を持っておらず、バウンディングボックスは利用できない。 マスクなしでトレーニングする直接的な方法は、セグメンテーションにおけるオブジェクト/クラスのサイズに関する事前知識を使用することである。 本稿では,ネットワーク出力の制約を通した情報を含む新しいアルゴリズムを提案する。
• 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: When pixel-level masks or partial annotations are not available for training neural networks for semantic segmentation, it is possible to use higher-level information in the form of bounding boxes, or image tags. In the imaging sciences, many applications do not have an object-background structure and bounding boxes are not available. Any available annotation typically comes from ground truth or domain experts. A direct way to train without masks is using prior knowledge on the size of objects/classes in the segmentation. We present a new algorithm to include such information via constraints on the network output, implemented via projection-based point-to-set distance functions. This type of distance functions always has the same functional form of the derivative, and avoids the need to adapt penalty functions to different constraints, as well as issues related to constraining properties typically associated with non-differentiable functions. Whereas object size information is known to enable object segmentation from bounding boxes from datasets with many general and medical images, we show that the applications extend to the imaging sciences where data represents indirect measurements, even in the case of single examples. We illustrate the capabilities in case of a) one or more classes do not have any annotation; b) there is no annotation at all; c) there are bounding boxes. We use data for hyperspectral time-lapse imaging, object segmentation in corrupted images, and sub-surface aquifer mapping from airborne-geophysical remote-sensing data. The examples verify that the developed methodology alleviates difficulties with annotating non-visual imagery for a range of experimental settings.
• Abstract（参考訳）: セマンティックセグメンテーションのためにニューラルネットワークをトレーニングするためにピクセルレベルのマスクや部分アノテーションが利用できない場合、バウンディングボックスやイメージタグといった形で高レベル情報を使用することができる。 画像科学では、多くのアプリケーションはオブジェクト・バックグラウンド構造を持っておらず、バウンディングボックスは利用できない。 利用可能なアノテーションは通常、基底的真理やドメインの専門家から来ます。 マスクなしでトレーニングする直接の方法は、セグメンテーション内のオブジェクト/クラスのサイズに関する事前知識を使用することである。 本稿では,プロジェクションに基づくポイント・ツー・セット距離関数によって実装された,ネットワーク出力の制約による情報を含む新しいアルゴリズムを提案する。 このタイプの距離関数は常に微分の同じ機能形式を持ち、異なる制約にペナルティ関数を適用する必要がなく、また典型的には微分不可能な関数に関連付けられた制約性に関連する問題も避ける。 オブジェクトサイズ情報は、多くの一般的な画像と医用画像を含むデータセットのバウンディングボックスからオブジェクトのセグメンテーションを可能にすることが知られているが、単一の例であっても、データは間接的な測定を表す画像科学に拡張されている。 能力の例を示します a) 1つ以上のクラスにアノテーションがないこと b) まったく注釈がないこと。 c)バウンディングボックスがあります。 超分光時間経過イメージング、腐敗画像における物体分割、空中・地球リモートセンシングデータからの地表面帯水層マッピングにデータを用いる。 提案手法は, 様々な実験環境において, 非視覚的画像のアノテートが困難であることを示す。

関連論文リスト

• View-Consistent Hierarchical 3D Segmentation Using Ultrametric Feature Fields [52.08335264414515]
  我々は3次元シーンを表すニューラル・レージアンス・フィールド(NeRF)内の新しい特徴場を学習する。 本手法は、ビュー一貫性の多粒性2Dセグメンテーションを入力とし、3D一貫性のセグメンテーションの階層構造を出力として生成する。 提案手法と,多視点画像と多粒性セグメンテーションを用いた合成データセットのベースラインの評価を行い,精度と視点整合性を向上したことを示す。
  論文  参考訳（メタデータ） (2024-05-30T04:14:58Z)
• A Generalist Framework for Panoptic Segmentation of Images and Videos [61.61453194912186]
  我々は,タスクの帰納バイアスに頼ることなく,離散的なデータ生成問題としてパノプティクスセグメンテーションを定式化する。 単純な構造と一般的な損失関数を持つパノスコープマスクをモデル化するための拡散モデルを提案する。 本手法は,動画を(ストリーミング環境で)モデル化し,オブジェクトのインスタンスを自動的に追跡することを学ぶ。
  論文  参考訳（メタデータ） (2022-10-12T16:18:25Z)
• Learning to segment from object sizes [0.0]
  本稿では,数画素の注釈付き画像と既知のオブジェクトサイズを持つ多数の画像のデータセットから,ディープセグメンテーションネットワークをトレーニングするアルゴリズムを提案する。 このアルゴリズムは、勾配をサンプリングし、標準のバックプロパゲーションアルゴリズムを使用することで、オブジェクトサイズに対して定義された離散的な(微分不可能な)損失関数を最小化する。
  論文  参考訳（メタデータ） (2022-07-01T09:34:44Z)
• Deep Spectral Methods: A Surprisingly Strong Baseline for Unsupervised Semantic Segmentation and Localization [98.46318529630109]
  画像分解をグラフ分割問題として再フレーミングすることで,従来のスペクトル分割法から着想を得た。 これらの固有ベクトルはすでにイメージを意味のあるセグメントに分解しており、シーン内のオブジェクトのローカライズに容易に利用できる。 データセットにまたがるこれらのセグメントに関連する機能をクラスタ化することで、明確に定義された、名前付き可能なリージョンを得ることができる。
  論文  参考訳（メタデータ） (2022-05-16T17:47:44Z)
• Streaming Self-Training via Domain-Agnostic Unlabeled Images [62.57647373581592]
  視覚認識モデル学習の過程を民主化することを目的としたストリーミング自己学習(SST)を提案する。 SSTの鍵となるのは、(1)ドメインに依存しない未ラベル画像により、追加の知識や監督なしにいくつかのラベル付き例でより良いモデルを学ぶことができ、(2)学習は継続的なプロセスであり、学習更新のスケジュールを構築することで行うことができる。
  論文  参考訳（メタデータ） (2021-04-07T17:58:39Z)
• 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)
• Unknown Object Segmentation from Stereo Images [18.344801596121997]
  対象のセマンティック情報や幾何学的情報を予め必要としない,新しいオブジェクトインスタンス分割手法を提案する。 ステレオセンサの汎用性に着目し,入力画像のペアからオブジェクトインスタンスへ直接マップするトランスフォーマティブベースのアーキテクチャを採用している。 いくつかの異なるアプリケーションドメインでの実験では、Instance Stereo Transformer(INSTR)アルゴリズムが、深度マップに基づく現在の最新手法を上回ることを示しています。
  論文  参考訳（メタデータ） (2021-03-11T17:03:44Z)
• Data Augmentation for Object Detection via Differentiable Neural Rendering [71.00447761415388]
  注釈付きデータが乏しい場合、堅牢なオブジェクト検出器を訓練することは困難です。 この問題に対処する既存のアプローチには、ラベル付きデータからラベル付きデータを補間する半教師付き学習が含まれる。 オブジェクト検出のためのオフラインデータ拡張手法を導入し、新しいビューでトレーニングデータを意味的に補間する。
  論文  参考訳（メタデータ） (2021-03-04T06:31:06Z)
• DyStaB: Unsupervised Object Segmentation via Dynamic-Static Bootstrapping [72.84991726271024]
  我々は,コヒーレントなシーン全体を移動しているように見えるシーンの画像の一部を検出し,分割するための教師なしの手法について述べる。 提案手法はまず,セグメント間の相互情報を最小化することにより,運動場を分割する。 セグメントを使用してオブジェクトモデルを学習し、静的なイメージの検出に使用することができる。
  論文  参考訳（メタデータ） (2020-08-16T22:05:13Z)
• Instance Segmentation of Biomedical Images with an Object-aware Embedding Learned with Local Constraints [7.151685185368064]
  State-of-the-artアプローチはセマンティックセグメンテーションまたは洗練されたオブジェクトバウンディングボックスを実行する。 どちらも、隣のオブジェクトをマージしたり、有効なオブジェクトを抑圧したりして、さまざまな程度に混雑するオブジェクトに悩まされる。 本研究では,深層ニューラルネットワークを用いて各画素に埋め込みベクトルを割り当てる。
  論文  参考訳（メタデータ） (2020-04-21T08:33:29Z)

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。