Fugu-MT 論文翻訳(概要): A Deep Neural Network Tool for Automatic Segmentation of Human Body Parts in Natural Scenes

論文の概要: A Deep Neural Network Tool for Automatic Segmentation of Human Body Parts in Natural Scenes

arxiv url: http://arxiv.org/abs/2009.09900v1
Date: Tue, 8 Sep 2020 01:20:50 GMT
ステータス: 処理完了
システム内更新日: 2022-10-20 21:39:38.456486
Title: A Deep Neural Network Tool for Automatic Segmentation of Human Body Parts in Natural Scenes
Title（参考訳）: 自然場面における人体部分の自動セグメンテーションのための深層ニューラルネットワークツール
Authors: Patrick McClure, Gabrielle Reimann, Michal Ramot and Francisco Pereira
Abstract要約: 本稿では,自然界における人体部分の自動セグメンテーションを訓練したディープニューラルネットワークについて述べる。具体的なドロップアウトでベイジアンセグネットをトレーニングし、フレーム内の各ピクセルが人の髪、頭、耳、額、脚、腕、口、首、鼻、胴体の一部であったかどうかを推定しました。
参考スコア（独自算出の注目度）: 1.3700362496838854
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: This short article describes a deep neural network trained to perform automatic segmentation of human body parts in natural scenes. More specifically, we trained a Bayesian SegNet with concrete dropout on the Pascal-Parts dataset to predict whether each pixel in a given frame was part of a person's hair, head, ear, eyebrows, legs, arms, mouth, neck, nose, or torso.
Abstract（参考訳）: 本稿では,自然の場面で人体部分の自動セグメンテーションを行うために訓練されたディープニューラルネットワークについて述べる。具体的には、Pascal-Partsデータセットに具体的なドロップアウトでBayesian SegNetをトレーニングし、特定のフレーム内の各ピクセルが人の髪、頭、耳、額、足、腕、口、首、鼻、胴体の一部であったかどうかを予測しました。

関連論文リスト

Image segmentation with traveling waves in an exactly solvable recurrent neural network [71.74150501418039]
繰り返しニューラルネットワークは、シーンの構造特性に応じて、画像をグループに効果的に分割できることを示す。本稿では,このネットワークにおけるオブジェクトセグメンテーションのメカニズムを正確に記述する。次に、グレースケール画像中の単純な幾何学的対象から自然画像まで、入力をまたいで一般化するオブジェクトセグメンテーションの簡単なアルゴリズムを実証する。
論文参考訳（メタデータ） (2023-11-28T16:46:44Z)
Player Re-Identification Using Body Part Appearences [5.9969431417128405]
サッカー選手の再識別のための身体部分の外観を学習するニューラルネットワークアーキテクチャを提案する。我々のモデルはネットワークをトレーニングするために SoccerNet-V3 の再識別データセットにいかなる部分アノテーションも必要としない。我々は,OsNetやInceptionNetといった最先端モデルよりも優れていることを示すことによって,モデルの有効性を示す。
論文参考訳（メタデータ） (2023-10-23T00:52:23Z)
Graphics Capsule: Learning Hierarchical 3D Face Representations from 2D Images [82.5266467869448]
Inverse Graphics Capsule Network (IGC-Net) を提案する。 IGC-Netはまずオブジェクトをセマンティック一貫性のある部分レベルの記述の集合に分解し、それらをオブジェクトレベルの記述に組み立てて階層を構築する。
論文参考訳（メタデータ） (2023-03-20T06:32:55Z)
PMODE: Prototypical Mask based Object Dimension Estimation [0.0]
そこで本研究では,モノクロカメラを用いて,映像の四辺形物体の寸法を推定する手法を提案する。我々は,3種類のランダムカメラを用いて,次元推定のためのテストデータセットに対して,22%のMAPEを達成できるシステムを訓練した。
論文参考訳（メタデータ） (2022-12-26T19:24:25Z)
Neural Volumetric Object Selection [126.04480613166194]
マルチプレーン画像(MPI)やニューラルレイディアンスフィールド(NeRF)のような,神経体積の3次元表現における物体の選択手法を提案する。提案手法では,前景と背景の2次元ユーザを1つの視点で記述し,対象物の3次元セグメンテーションを自動的に推定する。
論文参考訳（メタデータ） (2022-05-30T08:55:20Z)
Self-supervised U-net for few-shot learning of object segmentation in microscopy images [4.125187280299247]
セルフスーパービジョンは、少数のショットで訓練されたモデルの一般化性能を著しく向上させることが証明されている。本稿では、顕微鏡画像分割の文脈において、そのような神経パイプラインを1つ紹介する。
論文参考訳（メタデータ） (2022-05-22T14:54:25Z)
Neural Human Performer: Learning Generalizable Radiance Fields for Human Performance Rendering [34.80975358673563]
本稿では,強靭なパフォーマンスキャプチャのためのパラメトリック人体モデルに基づいて,一般化可能なニューラルラジアンス場を学習する手法を提案する。 ZJU-MoCap と AIST のデータセットを用いた実験により,本手法は近頃の一般化可能な NeRF 法よりも顕著に優れていることが示された。
論文参考訳（メタデータ） (2021-09-15T17:32:46Z)
Deep Spiking Convolutional Neural Network for Single Object Localization Based On Deep Continuous Local Learning [0.0]
グレースケール画像における単一物体の局所化のための深部畳み込みスパイクニューラルネットワークを提案する。 Oxford-IIIT-Petで報告された結果は、教師付き学習アプローチによるスパイクニューラルネットワークの活用を検証する。
論文参考訳（メタデータ） (2021-05-12T12:02:05Z)
Where is my hand? Deep hand segmentation for visual self-recognition in humanoid robots [129.46920552019247]
本稿では、画像からロボットの手を切り離すための畳み込みニューラルネットワーク(CNN)を提案する。ヒューマノイドロボットVizzyの手のセグメンテーションのために,Mask-RCNNネットワークを微調整した。
論文参考訳（メタデータ） (2021-02-09T10:34:32Z)
Learning to Segment Human Body Parts with Synthetically Trained Deep Convolutional Networks [58.0240970093372]
本稿では,合成データのみを用いて学習した深部畳み込みニューラルネットワークに基づく人体部分分割のための新しい枠組みを提案する。提案手法は,人体部品の実際の注釈付きデータを用いてモデルを訓練することなく,最先端の結果が得られる。
論文参考訳（メタデータ） (2021-02-02T12:26:50Z)
Understanding the Role of Individual Units in a Deep Neural Network [85.23117441162772]
本稿では,画像分類と画像生成ネットワーク内の隠れ単位を系統的に同定する分析フレームワークを提案する。まず、シーン分類に基づいて訓練された畳み込みニューラルネットワーク(CNN)を分析し、多様なオブジェクト概念にマッチするユニットを発見する。第2に、シーンを生成するために訓練されたGANモデルについて、同様の分析手法を用いて分析する。
論文参考訳（メタデータ） (2020-09-10T17:59:10Z)

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。