Fugu-MT 論文翻訳(概要): TB-Net: A Three-Stream Boundary-Aware Network for Fine-Grained Pavement Disease Segmentation

論文の概要: TB-Net: A Three-Stream Boundary-Aware Network for Fine-Grained Pavement Disease Segmentation

arxiv url: http://arxiv.org/abs/2011.03703v1
Date: Sat, 7 Nov 2020 05:39:31 GMT
ステータス: 処理完了
システム内更新日: 2022-09-28 22:33:24.855938
Title: TB-Net: A Three-Stream Boundary-Aware Network for Fine-Grained Pavement Disease Segmentation
Title（参考訳）: TB-Net:細粒度舗装疾患分離のための3ストリーム境界認識ネットワーク
Authors: Yujia Zhang, Qianzhong Li, Xiaoguang Zhao, Min Tan
Abstract要約: 本稿では,舗装病の分断を目的とした3ストリーム境界認識ネットワーク(TB-Net)を提案する。ネットワークは、エンドツーエンドでデュアルタスク損失を使用してトレーニングされる。新たに収集した細粒度舗装病データセットを用いた実験により, TB-Netの有効性が示された。
参考スコア（独自算出の注目度）: 7.7188942970561945
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Regular pavement inspection plays a significant role in road maintenance for safety assurance. Existing methods mainly address the tasks of crack detection and segmentation that are only tailored for long-thin crack disease. However, there are many other types of diseases with a wider variety of sizes and patterns that are also essential to segment in practice, bringing more challenges towards fine-grained pavement inspection. In this paper, our goal is not only to automatically segment cracks, but also to segment other complex pavement diseases as well as typical landmarks (markings, runway lights, etc.) and commonly seen water/oil stains in a single model. To this end, we propose a three-stream boundary-aware network (TB-Net). It consists of three streams fusing the low-level spatial and the high-level contextual representations as well as the detailed boundary information. Specifically, the spatial stream captures rich spatial features. The context stream, where an attention mechanism is utilized, models the contextual relationships over local features. The boundary stream learns detailed boundaries using a global-gated convolution to further refine the segmentation outputs. The network is trained using a dual-task loss in an end-to-end manner, and experiments on a newly collected fine-grained pavement disease dataset show the effectiveness of our TB-Net.
Abstract（参考訳）: 通常の舗装検査は安全確保のための道路整備において重要な役割を果たしている。既存の手法では, 細長いひび割れ病にのみ適応した亀裂検出とセグメント化の課題を主に扱っている。しかし, 細粒度舗装検査の課題が増大するなど, 様々なサイズやパターンを有する他の疾患も多数存在する。本研究の目的は, ひび割れを自動的に区分するだけでなく, 他の複雑な舗装疾患, 典型的なランドマーク(標識, 滑走路灯など)や水・油汚れを1つのモデルで分類することである。そこで本研究では,3ストリーム境界対応ネットワーク(TB-Net)を提案する。低レベルの空間と高レベルの文脈表現を融合させる3つのストリームと、詳細な境界情報で構成される。具体的には、空間ストリームは豊富な空間的特徴をキャプチャする。注意機構を利用するコンテキストストリームは、局所的な特徴に対するコンテキスト関係をモデル化する。境界ストリームは、グローバルゲート畳み込みを用いて詳細境界を学習し、セグメンテーション出力をさらに洗練する。ネットワークは両タスク損失をエンドツーエンドにトレーニングし,新たに収集した細粒度舗装病データセットを用いてTB-Netの有効性を示す。

関連論文リスト

Graph-based Topology Reasoning for Driving Scenes [102.35885039110057]
TopoNetは、従来の知覚タスクを超えてトラフィック知識を抽象化できる最初のエンドツーエンドフレームワークである。 TopoNetを,難解なシーン理解ベンチマークOpenLane-V2で評価した。
論文参考訳（メタデータ） (2023-04-11T15:23:29Z)
Push-the-Boundary: Boundary-aware Feature Propagation for Semantic Segmentation of 3D Point Clouds [0.5249805590164901]
本研究では,オブジェクト境界近傍のセマンティックセグメンテーションを改善するための境界対応特徴伝搬機構を提案する。 1つの共有エンコーダで、ネットワークは、(i)境界ローカライゼーション、(ii)オブジェクトの内部を指す方向の予測、(iii)セマンティックセグメンテーションを3つの並列ストリームで出力する。提案手法は境界誤差を低減することによって一貫した改善をもたらす。
論文参考訳（メタデータ） (2022-12-23T15:42:01Z)
BCS-Net: Boundary, Context and Semantic for Automatic COVID-19 Lung Infection Segmentation from CT Images [83.82141604007899]
BCS-Netは、CT画像から自動的に新型コロナウイルスの肺感染症を分離するための新しいネットワークである。 BCS-Netはエンコーダ-デコーダアーキテクチャに従っており、多くの設計はデコーダのステージに焦点を当てている。 BCSRブロックでは、アテンション誘導グローバルコンテキスト(AGGC)モジュールがデコーダの最も価値のあるエンコーダ機能を学ぶように設計されている。
論文参考訳（メタデータ） (2022-07-17T08:54:07Z)
SCNet: A Generalized Attention-based Model for Crack Fault Segmentation [0.0]
異常検出と局所化は、複数のアプリケーションを持つ重要な視覚問題である。大規模なインフラにおける定期的な健康モニタリングと故障(異常)検出は、視覚に基づく異常セグメンテーションの応用分野である。き裂は臨界かつ頻繁な表面断層であり、極端にジグザグ型の細い細長い領域として現れる。そこで本研究では,様々なシナリオにまたがるセグメンテーション性能の一般化と改善という,自動クラックセグメンテーション問題のオープンな側面を,異なるモデル化によって解決する。
論文参考訳（メタデータ） (2021-12-02T17:16:18Z)
Triggering Failures: Out-Of-Distribution detection by learning from local adversarial attacks in Semantic Segmentation [76.2621758731288]
セグメンテーションにおけるアウト・オブ・ディストリビューション(OOD)オブジェクトの検出に取り組む。私たちの主な貢献は、ObsNetと呼ばれる新しいOOD検出アーキテクチャであり、ローカル・アタック(LAA)に基づく専用トレーニングスキームと関連付けられています。 3つの異なるデータセットの文献の最近の10つの手法と比較して,速度と精度の両面で最高の性能が得られることを示す。
論文参考訳（メタデータ） (2021-08-03T17:09:56Z)
Detection of Deepfake Videos Using Long Distance Attention [73.6659488380372]
既存のほとんどの検出方法は、問題をバニラ二項分類問題として扱う。本稿では,偽顔と実顔の相違が非常に微妙であるため,特にきめ細かな分類問題として扱われる。大域的な視点で空間的・時間的偽の痕跡を捉えるための2つの要素を持つ時空間モデルを提案する。
論文参考訳（メタデータ） (2021-06-24T08:33:32Z)
Trilateral Attention Network for Real-time Medical Image Segmentation [0.0]
本稿では,医用画像のリアルタイム検出とセグメンテーションを行うために,Trilateral Attention Network (TaNet) と呼ばれるエンドツーエンドネットワークを提案する。 TaNetは、領域ローカライゼーションのためのモジュールと、1)手作りの畳み込みカーネルを持つ手作り経路、2)正規の畳み込みカーネルを持つ詳細経路、3)受容領域を拡大するグローバルパスの3つのセグメンテーション経路を持つ。
論文参考訳（メタデータ） (2021-06-17T01:46:33Z)
OFFSEG: A Semantic Segmentation Framework For Off-Road Driving [6.845371503461449]
OFFSEGと呼ばれるオフロードセマンティックセグメンテーションのためのフレームワークを提案する。オフロードセマンティクスセグメンテーションは、不均一な地形、非構造なクラス境界、不規則な特徴、強いテクスチャが存在するため、困難である。
論文参考訳（メタデータ） (2021-03-23T09:45:41Z)
The Devil is in the Boundary: Exploiting Boundary Representation for Basis-based Instance Segmentation [85.153426159438]
本研究では,既存のグローバルマスクベースの手法を補完するグローバル境界表現を学習するために,Basisベースのインスタンス(B2Inst)を提案する。私たちのB2Instは一貫した改善をもたらし、シーン内のインスタンス境界を正確に解析します。
論文参考訳（メタデータ） (2020-11-26T11:26:06Z)
clDice -- A Novel Topology-Preserving Loss Function for Tubular Structure Segmentation [57.20783326661043]
中心線Dice (short clDice) と呼ばれる新しい類似度尺度を導入する。理論的には、clDiceは2次元および3次元のセグメンテーションにおけるホモトピー同値までのトポロジー保存を保証する。我々は、船舶、道路、ニューロン(2Dと3D)を含む5つの公開データセットでソフトクライス損失をベンチマークした。
論文参考訳（メタデータ） (2020-03-16T16:27:49Z)
A Two-Stream Meticulous Processing Network for Retinal Vessel Segmentation [11.469357649111076]
細い船体や境界領域で望ましいセグメンテーション性能を得るのは難しいことが多い。本稿では,この問題に対処するための2ストリームのMeticulous-Processing Network (MP-Net)を提案する。我々のモデルはDRIVE、STARE、CHASE_DB1データセットの最先端手法より優れていることが証明された。
論文参考訳（メタデータ） (2020-01-15T17:06:10Z)

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。

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。