論文の概要: CASNet: Common Attribute Support Network for image instance and panoptic segmentation

• arxiv url: http://arxiv.org/abs/2008.00810v1
• Date: Fri, 17 Jul 2020 06:23:52 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-09 14:32:43.069519
• Title: CASNet: Common Attribute Support Network for image instance and panoptic segmentation
• Title（参考訳）: CASNet:イメージインスタンスとパン光学セグメンテーションのための共通属性サポートネットワーク
• Authors: Xiaolong Liu, Yuqing Hou, Anbang Yao, Yurong Chen, Keqiang Li
• Abstract要約: 本稿では,共通属性の予測とクラスタリングによってインスタンスセグメンテーションを実現する共通属性支援ネットワーク(CASNet)を紹介する。 CASNetは完全な畳み込み方式で設計されており、エンドツーエンドのトレーニングと推論を実装することができる。 少ないオーバーヘッドで小さな修正をすることで、容易に単視のセグメンテーションに拡張できる。
• 参考スコア（独自算出の注目度）: 21.98468586715627
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Instance segmentation and panoptic segmentation is being paid more and more attention in recent years. In comparison with bounding box based object detection and semantic segmentation, instance segmentation can provide more analytical results at pixel level. Given the insight that pixels belonging to one instance have one or more common attributes of current instance, we bring up an one-stage instance segmentation network named Common Attribute Support Network (CASNet), which realizes instance segmentation by predicting and clustering common attributes. CASNet is designed in the manner of fully convolutional and can implement training and inference from end to end. And CASNet manages predicting the instance without overlaps and holes, which problem exists in most of current instance segmentation algorithms. Furthermore, it can be easily extended to panoptic segmentation through minor modifications with little computation overhead. CASNet builds a bridge between semantic and instance segmentation from finding pixel class ID to obtaining class and instance ID by operations on common attribute. Through experiment for instance and panoptic segmentation, CASNet gets mAP 32.8% and PQ 59.0% on Cityscapes validation dataset by joint training, and mAP 36.3% and PQ 66.1% by separated training mode. For panoptic segmentation, CASNet gets state-of-the-art performance on the Cityscapes validation dataset.
• Abstract（参考訳）: インスタンスのセグメンテーションとパン光学セグメンテーションは近年ますます注目されている。 バウンディングボックスベースのオブジェクト検出とセマンティクスセグメンテーションと比較すると、インスタンスセグメンテーションはピクセルレベルでより分析的な結果を提供できる。 ひとつのインスタンスに属するピクセルが現在のインスタンスの1つ以上の共通属性を持っているという洞察から、共通属性の予測とクラスタリングによってインスタンスのセグメンテーションを実現する、common attribute support network(casnet)という1段階のインスタンスセグメンテーションネットワークが生まれます。 CASNetは完全な畳み込み方式で設計されており、エンドツーエンドのトレーニングと推論を実装することができる。 そしてCASNetは、重複や穴なしにインスタンスを予測し、現在のインスタンスセグメンテーションアルゴリズムのほとんどに問題がある。 さらに、計算オーバーヘッドの少ない小さな変更によって、簡単にパンオプティカルセグメンテーションに拡張できる。 casnetは、pixelクラスidの検索から共通属性の操作によるクラスとインスタンスidの取得まで、セマンティックとインスタンスセグメンテーションの橋渡しを構築する。 例えば実験とpanopticセグメンテーションを通じてcasnetは、共同トレーニングによるcityscapes validationデータセットのmap 32.8%とpq 59.0%、分離トレーニングモードでmap 36.3%とpq 66.1%を得る。 panopticのセグメンテーションでは、casnetはcityscapes validationデータセットで最先端のパフォーマンスを得る。

関連論文リスト

• Synthetic Instance Segmentation from Semantic Image Segmentation Masks [15.477053085267404]
  我々は、Synthetic Instance(SISeg)と呼ばれる新しいパラダイムを提案する。 SISegインスタンスセグメンテーションの結果は、既存のセマンティックセグメンテーションモデルによって生成されたイメージマスクを活用する。 言い換えれば、提案モデルは余分な人力や高い計算コストを必要としない。
  論文  参考訳（メタデータ） (2023-08-02T05:13:02Z)
• Sparse Instance Activation for Real-Time Instance Segmentation [72.23597664935684]
  本稿では,リアルタイムインスタンスセグメンテーションのための概念的・効率的・完全畳み込み型フレームワークを提案する。 SparseInstは非常に高速な推論速度を持ち、COCOベンチマークで40 FPSと37.9 APを達成した。
  論文  参考訳（メタデータ） (2022-03-24T03:15:39Z)
• Instance Segmentation in 3D Scenes using Semantic Superpoint Tree Networks [64.27814530457042]
  本稿では,シーンポイントからオブジェクトインスタンスを提案するセマンティックスーパーポイントツリーネットワーク(SSTNet)のエンドツーエンドソリューションを提案する。 SSTNetのキーは中間的セマンティックなスーパーポイントツリー(SST)であり、スーパーポイントの学習されたセマンティックな特徴に基づいて構築されている。 SSTNetはScanNet(V2)のリーダーボードで上位にランクされ、第2のベストメソッドよりもmAPが2%高い。
  論文  参考訳（メタデータ） (2021-08-17T07:25:14Z)
• Semantic Attention and Scale Complementary Network for Instance Segmentation in Remote Sensing Images [54.08240004593062]
  本稿では,セマンティックアテンション(SEA)モジュールとスケール補完マスクブランチ(SCMB)で構成される,エンドツーエンドのマルチカテゴリインスタンスセグメンテーションモデルを提案する。 SEAモジュールは、機能マップ上の興味あるインスタンスのアクティベーションを強化するために、追加の監督を備えた、単純な完全な畳み込みセマンティックセマンティックセマンティクスブランチを含んでいる。 SCMBは、元のシングルマスクブランチをトリデントマスクブランチに拡張し、異なるスケールで補完マスクの監視を導入する。
  論文  参考訳（メタデータ） (2021-07-25T08:53:59Z)
• SOLO: A Simple Framework for Instance Segmentation [84.00519148562606]
  インスタンスカテゴリ"は、インスタンスの場所に応じて、インスタンス内の各ピクセルにカテゴリを割り当てる。 SOLO"は、強力なパフォーマンスを備えたインスタンスセグメンテーションのための、シンプルで、直接的で、高速なフレームワークです。 提案手法は, 高速化と精度の両面から, 実例分割の最先端結果を実現する。
  論文  参考訳（メタデータ） (2021-06-30T09:56:54Z)
• Learning Panoptic Segmentation from Instance Contours [9.347742071428918]
  Panopticpixel は、背景 (stuff) とオブジェクト (things) のインスタンスをピクセルレベルで理解することを目的としている。 セマンティックセグメンテーション(レベル分類)とインスタンスセグメンテーションの別々のタスクを組み合わせて、単一の統合されたシーン理解タスクを構築する。 セマンティックセグメンテーションとインスタンス輪郭からインスタンスセグメンテーションを学習する完全畳み込みニューラルネットワークを提案する。
  論文  参考訳（メタデータ） (2020-10-16T03:05:48Z)
• Commonality-Parsing Network across Shape and Appearance for Partially Supervised Instance Segmentation [71.59275788106622]
  そこで本稿では,マスク付分類から新しい分類へ一般化可能な,クラス非依存の共通性について考察する。 本モデルでは,COCOデータセット上のサンプルセグメンテーションにおける部分教師付き設定と少数ショット設定の両方において,最先端の手法を著しく上回っている。
  論文  参考訳（メタデータ） (2020-07-24T07:23:44Z)
• Deep Affinity Net: Instance Segmentation via Affinity [48.498706304017674]
  Deep Affinity Netは、グラフ分割アルゴリズムCascade-GAECを伴って、効果的なアフィニティベースのアプローチである。 すべてのアフィニティベースのモデルの中で、最高のシングルショット結果と最速のランニングタイムを達成する。 また、リージョンベースのMask R-CNNよりも優れています。
  論文  参考訳（メタデータ） (2020-03-15T15:22:56Z)

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。