論文の概要: Unmixing Convolutional Features for Crisp Edge Detection

• arxiv url: http://arxiv.org/abs/2011.09808v2
• Date: Tue, 29 Jun 2021 13:01:08 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-23 21:19:15.787343
• Title: Unmixing Convolutional Features for Crisp Edge Detection
• Title（参考訳）: Crispエッジ検出のためのUnmixing Convolutional Features
• Authors: Linxi Huan, Nan Xue, Xianwei Zheng, Wei He, Jianya Gong, Gui-Song Xia
• Abstract要約: 本稿では,深部検知器を用いたクランプエッジ検出のための文脈認識追跡戦略(CATS)を提案する。 実験により、提案したCATSは、局所化精度を向上させるため、現代の深部検出器に統合できることが示されている。
• 参考スコア（独自算出の注目度）: 28.232800355331726
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper presents a context-aware tracing strategy (CATS) for crisp edge detection with deep edge detectors, based on an observation that the localization ambiguity of deep edge detectors is mainly caused by the mixing phenomenon of convolutional neural networks: feature mixing in edge classification and side mixing during fusing side predictions. The CATS consists of two modules: a novel tracing loss that performs feature unmixing by tracing boundaries for better side edge learning, and a context-aware fusion block that tackles the side mixing by aggregating the complementary merits of learned side edges. Experiments demonstrate that the proposed CATS can be integrated into modern deep edge detectors to improve localization accuracy. With the vanilla VGG16 backbone, in terms of BSDS500 dataset, our CATS improves the F-measure (ODS) of the RCF and BDCN deep edge detectors by 12% and 6% respectively when evaluating without using the morphological non-maximal suppression scheme for edge detection.
• Abstract（参考訳）: 本稿では,深部検知器の局所的あいまいさは,畳み込みニューラルネットワークの混合現象に主に起因しているという観測に基づいて,深部検出器を用いた先端検出のためのコンテキスト認識追跡戦略(CATS)を提案する。 CATSは2つのモジュールから構成される: より良いサイドエッジ学習のために境界をトレースすることで特徴を未混合にする新しいトレース損失と、学習したサイドエッジの相補的な利点を集約してサイドミキシングに取り組むコンテキスト認識融合ブロック。 実験により,提案する猫を現代の深縁検出器に統合して位置推定精度を向上させることができた。 バニラVGG16バックボーンでは, BSDS500データセットを用いて, エッジ検出のための形態的非最大抑制スキームを使わずに, RCFおよびBDCN深縁検出器のF値(ODS)をそれぞれ12%, 6%改善する。

関連論文リスト

• DiffusionEdge: Diffusion Probabilistic Model for Crisp Edge Detection [20.278655159290302]
  本稿では,DiffusionEdgeと呼ばれる汎用エッジ検出タスクに対する最初の拡散モデルを提案する。 最終的な性能を維持しつつ、高価な計算資源を避けるため、遅延空間にDPMを適用し、古典的なクロスエントロピー損失を可能にする。 すべての技術的設計で、DiffusionEdgeは限られたリソースで安定的にトレーニングすることができ、より少ない拡張戦略で、鮮明で正確なエッジマップを予測できる。
  論文  参考訳（メタデータ） (2024-01-04T02:20:54Z)
• Small Object Detection via Coarse-to-fine Proposal Generation and Imitation Learning [52.06176253457522]
  本稿では,粗粒度パイプラインと特徴模倣学習に基づく小型物体検出に適した2段階フレームワークを提案する。 CFINetは、大規模な小さなオブジェクト検出ベンチマークであるSODA-DとSODA-Aで最先端の性能を達成する。
  論文  参考訳（メタデータ） (2023-08-18T13:13:09Z)
• Delving into Crispness: Guided Label Refinement for Crisp Edge Detection [14.26122188105415]
  学習ベースのエッジ検出は通常、厚いエッジの予測に苦しむ。 ノイズの多い人間のラベル付きエッジが、厚い予測の主な原因であることがわかった。 そこで本研究では,Canny-Guided refinement of human-labeled edgesを提案する。
  論文  参考訳（メタデータ） (2023-06-27T03:12:58Z)
• Analysis of ROC for Edge Detectors [14.494626833445915]
  本稿では,BIPEDデータセットを用いた受信機動作特性(ROC)解析によるエッジ検出器の評価を行う。 ROC分析は特定のエッジフィルタに適しているが,ROC測定値を用いて精度を正確に測定する際の課題を提示する。 この問題に対処するために、これらのフィルタの性能を向上させるためのカスタマイズ技術を導入し、より正確な評価を可能にした。
  論文  参考訳（メタデータ） (2023-05-28T22:47:54Z)
• Edge-weighted pFISTA-Net for MRI Reconstruction [0.0]
  本稿では,検出したエッジマップをpFISTA-Netのソフト保持部分に直接適用するエッジ重み付きpFISTA-Netを提案する。 提案手法は, 最先端の深層学習法と比較して, 誤りの低減とアーチファクトの抑制を図った。
  論文  参考訳（メタデータ） (2023-02-15T04:46:17Z)
• Overlap-guided Gaussian Mixture Models for Point Cloud Registration [61.250516170418784]
  確率的3Dポイントクラウド登録法は、ノイズ、アウトレーヤ、密度変動を克服する競合性能を示した。 本稿では,一致したガウス混合モデル(GMM)パラメータから最適変換を演算する,重複誘導確率登録手法を提案する。
  論文  参考訳（メタデータ） (2022-10-17T08:02:33Z)
• The KFIoU Loss for Rotated Object Detection [115.334070064346]
  本稿では,SkewIoU損失とトレンドレベルアライメントを両立できる近似的損失を考案する上で,有効な方法の1つとして論じる。 具体的には、対象をガウス分布としてモデル化し、SkewIoUのメカニズムを本質的に模倣するためにカルマンフィルタを採用する。 KFIoUと呼ばれる新たな損失は実装が容易で、正確なSkewIoUよりもうまく動作する。
  論文  参考訳（メタデータ） (2022-01-29T10:54:57Z)
• Second-Order Component Analysis for Fault Detection [0.0]
  高次ニューラルネットワークは、元のデータやノイズ、異常から重要な情報をオーバーフィッティングし、学習するリスクをもたらす可能性がある。 本稿では,2次成分分析(SCA)と呼ばれる新しい故障検出手法を提案する。
  論文  参考訳（メタデータ） (2021-03-12T14:25:37Z)
• Dense Label Encoding for Boundary Discontinuity Free Rotation Detection [69.75559390700887]
  本稿では,分類に基づく比較的研究の少ない方法論について検討する。 我々は2つの側面でフロンティアを推し進めるための新しい手法を提案する。 航空画像のための大規模公開データセットの実験と視覚解析は,我々のアプローチの有効性を示している。
  論文  参考訳（メタデータ） (2020-11-19T05:42:02Z)
• Bayesian Optimization with Machine Learning Algorithms Towards Anomaly Detection [66.05992706105224]
  本稿では,ベイズ最適化手法を用いた効果的な異常検出フレームワークを提案する。 ISCX 2012データセットを用いて検討したアルゴリズムの性能を評価する。 実験結果から, 精度, 精度, 低コストアラームレート, リコールの観点から, 提案手法の有効性が示された。
  論文  参考訳（メタデータ） (2020-08-05T19:29:35Z)
• Saliency Enhancement using Gradient Domain Edges Merging [65.90255950853674]
  本研究では,エッジとサリエンシマップをマージして,サリエンシマップの性能を向上させる手法を開発した。 これにより、DUT-OMRONデータセットの少なくとも3.4倍の平均的な改善により、エッジ(SEE)を使用したサリエンシ向上が提案された。 SEEアルゴリズムは前処理のためのSEE-Preと後処理のためのSEE-Postの2つの部分に分けられる。
  論文  参考訳（メタデータ） (2020-02-11T14:04:56Z)

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。