論文の概要: Real-time Semantic Segmentation with Context Aggregation Network

• arxiv url: http://arxiv.org/abs/2011.00993v2
• Date: Sun, 11 Apr 2021 20:51:58 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-30 12:50:47.141082
• Title: Real-time Semantic Segmentation with Context Aggregation Network
• Title（参考訳）: コンテキストアグリゲーションネットワークを用いたリアルタイム意味セグメンテーション
• Authors: Michael Ying Yang, Saumya Kumaar, Ye Lyu, Francesco Nex
• Abstract要約: 本稿では,2分岐畳み込みニューラルネットワークを提案する。 本研究では,2つのセマンティックセグメンテーションデータセット,すなわちCityscapesデータセットとUAVidデータセットについて評価を行った。
• 参考スコア（独自算出の注目度）: 14.560708848716754
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: With the increasing demand of autonomous systems, pixelwise semantic segmentation for visual scene understanding needs to be not only accurate but also efficient for potential real-time applications. In this paper, we propose Context Aggregation Network, a dual branch convolutional neural network, with significantly lower computational costs as compared to the state-of-the-art, while maintaining a competitive prediction accuracy. Building upon the existing dual branch architectures for high-speed semantic segmentation, we design a cheap high resolution branch for effective spatial detailing and a context branch with light-weight versions of global aggregation and local distribution blocks, potent to capture both long-range and local contextual dependencies required for accurate semantic segmentation, with low computational overheads. We evaluate our method on two semantic segmentation datasets, namely Cityscapes dataset and UAVid dataset. For Cityscapes test set, our model achieves state-of-the-art results with mIOU of 75.9%, at 76 FPS on an NVIDIA RTX 2080Ti and 8 FPS on a Jetson Xavier NX. With regards to UAVid dataset, our proposed network achieves mIOU score of 63.5% with high execution speed (15 FPS).
• Abstract（参考訳）: 自律システムの需要が高まる中、視覚シーン理解のためのピクセルワイズセマンティクスセグメンテーションは、精度だけでなく、潜在的なリアルタイムアプリケーションにとっても効率的である必要がある。 本稿では,2つの分岐畳み込みニューラルネットワークであるコンテキストアグリゲーションネットワークを提案する。 高速なセマンティックセグメンテーションのための既存のデュアルブランチアーキテクチャを基盤として、効率的な空間詳細化のための安価な高解像度ブランチと、グローバルアグリゲーションと局所分布ブロックの軽量バージョンを備えたコンテキストブランチを設計し、精度の高いセマンティックセグメンテーションに必要な長距離および局所的コンテキスト依存の両方を、計算オーバーヘッドを低く抑えることができる。 本手法は,cityscapesデータセットとuavidデータセットの2つの意味セグメンテーションデータセットについて評価する。 cityscapesのテストセットでは、miouが75.9%、nvidia rtx 2080tiが76fps、jetson xavier nxが8fpsという最新結果を達成しています。 UAVidデータセットに関しては,mIOUスコアが63.5%,高速(15FPS)を達成した。

関連論文リスト

• PIDNet: A Real-time Semantic Segmentation Network Inspired by PID Controllers [6.0653144230649865]
  2分岐ネットワークアーキテクチャは、リアルタイムセマンティックセグメンテーションタスクにおける効率と有効性を示している。 PIDNetは、詳細な情報、コンテキスト、境界情報を解析するための3つの分岐を含む。 私たちのPIDNetのファミリーは、推論速度と精度の最良のトレードオフを達成し、その精度は、CityscapesとCamVidデータセットに類似した推論速度を持つ既存のモデル全てを上回ります。
  論文  参考訳（メタデータ） (2022-06-04T23:16:52Z)
• FBSNet: A Fast Bilateral Symmetrical Network for Real-Time Semantic Segmentation [23.25851281719734]
  リアルタイムセマンティックセグメンテーションのためのFBSNet(Fast Bilateral Symmetrical Network)を提案する。 FBSNetには対称デコーダ構造があり、2つの分岐、意味情報分岐、空間詳細分岐がある。 CityscapesとCamVidの実験結果から、提案したFBSNetは精度と効率のバランスが良いことを示している。
  論文  参考訳（メタデータ） (2021-09-02T04:16:39Z)
• Real-time Semantic Segmentation with Fast Attention [94.88466483540692]
  本稿では,高解像度画像と映像をリアルタイムにセマンティックセグメンテーションするための新しいアーキテクチャを提案する。 提案したアーキテクチャは我々の空間的注意の速さに依存しており、これは一般的な自己注意機構の単純かつ効率的な修正である。 複数のデータセットに対する結果から,既存の手法に比べて精度と速度が向上し,優れた性能を示した。
  論文  参考訳（メタデータ） (2020-07-07T22:37:16Z)
• Real-time Semantic Segmentation via Spatial-detail Guided Context Propagation [49.70144583431999]
  本研究では,リアルタイムセマンティックセグメンテーションを実現するための空間詳細ガイド付きコンテキスト伝搬ネットワーク(SGCPNet)を提案する。 浅い層の空間的詳細を利用して低解像度のグローバルコンテキストの伝播を誘導し、失われた空間情報を効果的に再構成することができる。 69.5%のmIoUセグメンテーション精度を実現し、GeForce GTX 1080 Tiの768x1536イメージ上で178.5 FPSに達する。
  論文  参考訳（メタデータ） (2020-05-22T07:07:26Z)
• BiSeNet V2: Bilateral Network with Guided Aggregation for Real-time Semantic Segmentation [118.46210049742993]
  バイラテラル空間ネットワーク(BiSeNet V2)と呼ばれる,速度と精度のトレードオフが良好である効率的なアーキテクチャを提案する。 2,048x1の入力に対して、我々はCityscapesテストセットで72.6%の平均IoUを1つのNVIDIA GeForce 1080 Tiカードで156 FPSで達成した。
  論文  参考訳（メタデータ） (2020-04-05T10:26:38Z)
• Real-Time Semantic Segmentation via Auto Depth, Downsampling Joint Decision and Feature Aggregation [54.28963233377946]
  本稿では,セグメンテーション戦略の自動化を目的として,AutoRTNetという共同検索フレームワークを提案する。 具体的には,ネットワーク深度とダウンサンプリング戦略を協調的に決定するハイパーセルと,自動マルチスケール機能アグリゲーションを実現するアグリゲーションセルを提案する。
  論文  参考訳（メタデータ） (2020-03-31T14:02:25Z)
• Real-Time High-Performance Semantic Image Segmentation of Urban Street Scenes [98.65457534223539]
  都市景観のロバストなセマンティックセマンティックセグメンテーションのためのリアルタイムDCNNに基づく高速DCNN手法を提案する。 提案手法は, 51.0 fps と 39.3 fps の推論速度で, 平均 73.6% と平均 68.0% (mIoU) の精度を実現する。
  論文  参考訳（メタデータ） (2020-03-11T08:45:53Z)
• Efficient Video Semantic Segmentation with Labels Propagation and Refinement [138.55845680523908]
  本稿では,ハイブリッドGPU/CPUを用いた高精細ビデオのリアルタイムセマンティックセマンティックセマンティック化の問題に取り組む。 i) CPU上では、非常に高速な光フロー法であり、ビデオの時間的側面を利用して、あるフレームから次のフレームへ意味情報を伝達するために使用される。 高解像度フレーム(2048 x 1024)を持つ一般的なCityscapesデータセットでは、単一のGPUとCPU上で80から1000Hzの動作ポイントが提案されている。
  論文  参考訳（メタデータ） (2019-12-26T11:45:15Z)

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。