論文の概要: Neural networks for semantic segmentation of historical city maps: Cross-cultural performance and the impact of figurative diversity

• arxiv url: http://arxiv.org/abs/2101.12478v1
• Date: Fri, 29 Jan 2021 09:08:12 GMT
• ステータス: 処理完了
• システム内更新日: 2021-02-01 12:43:45.451012
• Title: Neural networks for semantic segmentation of historical city maps: Cross-cultural performance and the impact of figurative diversity
• Title（参考訳）: 歴史的都市地図のセマンティックセグメンテーションのためのニューラルネットワーク:文化横断性能と比喩的多様性の影響
• Authors: R\'emi Petitpierre (Ecole polytechnique f\'ed\'erale de Lausanne, EPFL, Switzerland)
• Abstract要約: 畳み込みニューラルネットワークに基づく歴史都市地図のセマンティックセグメンテーションモデルを提案する。 これらのネットワークは、非常に大きな比喩的多様性のマップデータを効率よく意味的にセグメント化できることを示す。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: In this work, we present a new semantic segmentation model for historical city maps that surpasses the state of the art in terms of flexibility and performance. Research in automatic map processing is largely focused on homogeneous corpora or even individual maps, leading to inflexible algorithms. Recently, convolutional neural networks have opened new perspectives for the development of more generic tools. Based on two new maps corpora, the first one centered on Paris and the second one gathering cities from all over the world, we propose a method for operationalizing the figuration based on traditional computer vision algorithms that allows large-scale quantitative analysis. In a second step, we propose a semantic segmentation model based on neural networks and implement several improvements. Finally, we analyze the impact of map figuration on segmentation performance and evaluate future ways to improve the representational flexibility of neural networks. To conclude, we show that these networks are able to semantically segment map data of a very large figurative diversity with efficiency.
• Abstract（参考訳）: 本研究では, 柔軟性と性能の面で, 歴史都市地図の新しいセマンティックセグメンテーションモデルを提案する。 自動地図処理の研究は主に均質なコーパスや個々の地図に焦点が当てられ、柔軟性のないアルゴリズムに繋がる。 近年、畳み込みニューラルネットワークは、より汎用的なツールの開発に新たな視点を開いている。 パリを中心とする2つの新しい地図コーパスと、世界中の都市を集結する第2の地図コーパスに基づいて、大規模な定量的分析を可能にする従来のコンピュータビジョンアルゴリズムに基づくフィギュレーションの運用方法を提案する。 第二段階として,ニューラルネットワークに基づく意味セグメンテーションモデルを提案し,いくつかの改良を行った。 最後に,マップフィギュレーションがセグメンテーション性能に与える影響を分析し,ニューラルネットワークの表現柔軟性を改善するための今後の方法を評価する。 結論として、これらのネットワークは、非常に大きな比喩的多様性のマップデータを効率よく意味的にセグメント化できることを示す。

関連論文リスト

• Ensembling convolutional neural networks for human skin segmentation [2.8391355909797644]
  本稿では、異なる特徴に着目したデータセットを用いて畳み込みネットワークを訓練し、個々の結果を効果的に組み合わせたアンサンブルを作成することを提案する。 本研究は,セマンティックセグメンテーションシステムの性能を向上する,アンサンブルに基づく新しい手法の開発に役立てることを期待している。
  論文  参考訳（メタデータ） (2024-07-27T17:55:28Z)
• End-to-end Neuron Instance Segmentation based on Weakly Supervised Efficient UNet and Morphological Post-processing [0.0]
  組織像からNeuN染色神経細胞を自動的に検出し,分画するエンド・ツー・エンド・エンド・エンド型のフレームワークを提案する。 私たちは最先端のネットワークであるEfficientNetをU-Netのようなアーキテクチャに統合します。
  論文  参考訳（メタデータ） (2022-02-17T14:35:45Z)
• A Unified Architecture of Semantic Segmentation and Hierarchical Generative Adversarial Networks for Expression Manipulation [52.911307452212256]
  セマンティックセグメンテーションと階層的GANの統一アーキテクチャを開発する。 我々のフレームワークのユニークな利点は、将来的なセマンティックセグメンテーションネットワーク条件を生成モデルに渡すことである。 我々は,AffectNetとRaFDの2つの難解な表情翻訳ベンチマークとセマンティックセグメンテーションベンチマークであるCelebAMask-HQについて評価を行った。
  論文  参考訳（メタデータ） (2021-12-08T22:06:31Z)
• X-Distill: Improving Self-Supervised Monocular Depth via Cross-Task Distillation [69.9604394044652]
  そこで本研究では,クロスタスク知識蒸留による単眼深度の自己指導的訓練を改善する手法を提案する。 トレーニングでは,事前訓練されたセマンティックセグメンテーション教師ネットワークを使用し,そのセマンティック知識を深度ネットワークに転送する。 提案手法の有効性をKITTIベンチマークで評価し,最新技術と比較した。
  論文  参考訳（メタデータ） (2021-10-24T19:47:14Z)
• Classification of Urban Morphology with Deep Learning: Application on Urban Vitality [0.0]
  道路網を視覚的に4つのクラスに分類する深層学習手法を提案する。 世界中の9つの都市が研究エリアとして選ばれ、その道路網はOpenStreetMapから取得されている。 都市内の潜在サブグループは、各道路ネットワークカテゴリのパーセンテージのクラスタリングを通して発見される。 木に基づく回帰モデルが初めて指定されたのは、形態指標と活力指標の関係を確立するためである。
  論文  参考訳（メタデータ） (2021-05-07T08:53:31Z)
• Interpretable Semantic Photo Geolocalization [4.286838964398275]
  ジオローカリゼーションモデルの解釈性を改善するために,2つのコントリビューションを提案する。 本稿では,予測の理解を直感的に向上させる新しいセマンティックパーティショニング手法を提案する。 また,ある予測のための意味的視覚概念の重要性を評価するための新しい指標も導入する。
  論文  参考訳（メタデータ） (2021-04-30T13:28:18Z)
• Joint Learning of Neural Transfer and Architecture Adaptation for Image Recognition [77.95361323613147]
  現在の最先端の視覚認識システムは、大規模データセット上でニューラルネットワークを事前トレーニングし、より小さなデータセットでネットワーク重みを微調整することに依存している。 本稿では,各ドメインタスクに適応したネットワークアーキテクチャの動的適応と,効率と効率の両面で重みの微調整の利点を実証する。 本手法は,ソースドメインタスクでスーパーネットトレーニングを自己教師付き学習に置き換え,下流タスクで線形評価を行うことにより,教師なしパラダイムに容易に一般化することができる。
  論文  参考訳（メタデータ） (2021-03-31T08:15:17Z)
• Variational Structured Attention Networks for Deep Visual Representation Learning [49.80498066480928]
  空間的注意マップとチャネル的注意の両方を原則的に共同学習するための統合的深層フレームワークを提案する。 具体的には,確率的表現学習フレームワークに注目度の推定と相互作用を統合する。 ニューラルネットワーク内で推論ルールを実装し,確率パラメータとcnnフロントエンドパラメータのエンドツーエンド学習を可能にする。
  論文  参考訳（メタデータ） (2021-03-05T07:37:24Z)
• SOSD-Net: Joint Semantic Object Segmentation and Depth Estimation from Monocular images [94.36401543589523]
  これら2つのタスクの幾何学的関係を利用するための意味的対象性の概念を紹介します。 次に, 対象性仮定に基づくセマンティックオブジェクト・深さ推定ネットワーク(SOSD-Net)を提案する。 私たちの知識を最大限に活用するために、SOSD-Netは同時単眼深度推定とセマンティックセグメンテーションのためのジオメトリ制約を利用する最初のネットワークです。
  論文  参考訳（メタデータ） (2021-01-19T02:41:03Z)
• Towards Deeper Graph Neural Networks [63.46470695525957]
  グラフ畳み込みは近傍の集約を行い、最も重要なグラフ操作の1つである。 いくつかの最近の研究で、この性能劣化は過度に滑らかな問題に起因している。 本研究では,大きな受容領域からの情報を適応的に組み込むディープ適応グラフニューラルネットワーク(DAGNN)を提案する。
  論文  参考訳（メタデータ） (2020-07-18T01:11:14Z)
• Semantic Segmentation With Multi Scale Spatial Attention For Self Driving Cars [2.7317088388886384]
  本稿では,様々なスケールのマルチスケール特徴融合を用いた新しいニューラルネットワークを提案し,その精度と効率的なセマンティックイメージセグメンテーションを提案する。 我々は、ResNetベースの特徴抽出器、ダウンサンプリング部における拡張畳み込み層、アップサンプリング部におけるアトラス畳み込み層を使用し、コンキャット操作を用いてそれらをマージした。 より文脈的な情報をエンコードし、ネットワークの受容領域を強化するため、新しいアテンションモジュールが提案されている。
  論文  参考訳（メタデータ） (2020-06-30T20:19:09Z)

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。