論文の概要: Non-Salient Region Object Mining for Weakly Supervised Semantic Segmentation

• arxiv url: http://arxiv.org/abs/2103.14581v1
• Date: Fri, 26 Mar 2021 16:44:03 GMT
• ステータス: 処理完了
• システム内更新日: 2021-03-29 12:39:35.646034
• Title: Non-Salient Region Object Mining for Weakly Supervised Semantic Segmentation
• Title（参考訳）: 弱教師付き意味セグメンテーションのための非サリエント領域オブジェクトマイニング
• Authors: Yazhou Yao, Tao Chen, Guosen Xie, Chuanyi Zhang, Fumin Shen, Qi Wu, Zhenmin Tang, and Jian Zhang
• Abstract要約: 弱教師付きセマンティックセグメンテーションのための非塩分領域オブジェクトマイニング手法を提案する。 擬似ラベルの偽陰性率を低減するために、潜在的なオブジェクトマイニングモジュールを提案する。 非サリエント領域マスキングモジュールは、非サリエント領域内のオブジェクトをさらに発見するのに役立ちます。
• 参考スコア（独自算出の注目度）: 64.2719590819468
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Semantic segmentation aims to classify every pixel of an input image. Considering the difficulty of acquiring dense labels, researchers have recently been resorting to weak labels to alleviate the annotation burden of segmentation. However, existing works mainly concentrate on expanding the seed of pseudo labels within the image's salient region. In this work, we propose a non-salient region object mining approach for weakly supervised semantic segmentation. We introduce a graph-based global reasoning unit to strengthen the classification network's ability to capture global relations among disjoint and distant regions. This helps the network activate the object features outside the salient area. To further mine the non-salient region objects, we propose to exert the segmentation network's self-correction ability. Specifically, a potential object mining module is proposed to reduce the false-negative rate in pseudo labels. Moreover, we propose a non-salient region masking module for complex images to generate masked pseudo labels. Our non-salient region masking module helps further discover the objects in the non-salient region. Extensive experiments on the PASCAL VOC dataset demonstrate state-of-the-art results compared to current methods.
• Abstract（参考訳）: セマンティックセグメンテーションは、入力画像の各ピクセルを分類することを目的としている。 密集ラベルの取得が困難であることを踏まえて、研究者は最近、セグメンテーションのアノテーション負担を軽減するために弱いラベルに頼っている。 しかし、既存の作品は主にイメージの健全な領域内で擬似ラベルの種を拡大することに焦点を当てている。 本研究では,弱教師付きセマンティクスセグメンテーションのための非サリエント領域オブジェクトマイニング手法を提案する。 グラフに基づくグローバル推論ユニットを導入し、不連続地域と遠方地域のグローバルな関係を捉えることができる分類ネットワークの能力を強化する。 これにより、ネットワークはサルエント領域外のオブジェクト機能を活性化する。 非塩分領域オブジェクトをさらに掘り下げるために,セグメンテーションネットワークの自己補正能力を実現することを提案する。 具体的には、擬似ラベルの偽陰性率を低減するために、潜在的なオブジェクトマイニングモジュールを提案する。 さらに,複雑な画像に対してマスク付き擬似ラベルを生成するための領域マスキングモジュールを提案する。 非サリエント領域マスキングモジュールは、非サリエント領域内のオブジェクトをさらに発見するのに役立ちます。 PASCAL VOCデータセットの大規模な実験は、現在の手法と比較して最先端の結果を示している。

関連論文リスト

• Background Activation Suppression for Weakly Supervised Object Localization and Semantic Segmentation [84.62067728093358]
  弱教師付きオブジェクトローカライゼーションとセマンティックセグメンテーションは、画像レベルのラベルのみを使用してオブジェクトをローカライズすることを目的としている。 画素レベルのローカライゼーションを実現するために,フォアグラウンド予測マップを生成することで,新たなパラダイムが誕生した。 本稿では,物体の局在化学習過程に関する2つの驚くべき実験結果を示す。
  論文  参考訳（メタデータ） (2023-09-22T15:44:10Z)
• Semi-Supervised Semantic Segmentation With Region Relevance [28.92449538610617]
  半教師付きセマンティックセグメンテーションは、少数のラベル付きデータと多くのラベルなしデータから学ぶことを目的としている。 最も一般的なアプローチは、トレーニングデータを増やすためにラベルのない画像のための擬似ラベルを生成することである。 本稿では、上記の問題を緩和する地域関連ネットワーク(RRN)を提案する。
  論文  参考訳（メタデータ） (2023-04-23T04:51:27Z)
• Saliency Guided Inter- and Intra-Class Relation Constraints for Weakly Supervised Semantic Segmentation [66.87777732230884]
  本稿では,活性化対象領域の拡大を支援するために,Salliency Guided Inter-およびIntra-Class Relation Constrained (I$2$CRC) フレームワークを提案する。 また,オブジェクトガイド付きラベルリファインメントモジュールを導入し,セグメンテーション予測と初期ラベルをフル活用し,優れた擬似ラベルを得る。
  論文  参考訳（メタデータ） (2022-06-20T03:40:56Z)
• Deep Spectral Methods: A Surprisingly Strong Baseline for Unsupervised Semantic Segmentation and Localization [98.46318529630109]
  画像分解をグラフ分割問題として再フレーミングすることで,従来のスペクトル分割法から着想を得た。 これらの固有ベクトルはすでにイメージを意味のあるセグメントに分解しており、シーン内のオブジェクトのローカライズに容易に利用できる。 データセットにまたがるこれらのセグメントに関連する機能をクラスタ化することで、明確に定義された、名前付き可能なリージョンを得ることができる。
  論文  参考訳（メタデータ） (2022-05-16T17:47:44Z)
• Anti-Adversarially Manipulated Attributions for Weakly Supervised Semantic Segmentation and Object Localization [31.69344455448125]
  本稿では,最終ソフトマックス層やシグモイド層の前に分類器が生成する分類スコアを増やすために操作した画像の属性マップを提案する。 この操作は対逆的な方法で実現され、元の画像は対逆攻撃で使用されるものと反対方向に画素勾配に沿って摂動される。 さらに,対象物に関係のない領域の不正な帰属と,対象物の小さな領域への過剰な帰属の集中を抑制する新たな正規化手法を導入する。
  論文  参考訳（メタデータ） (2022-04-11T06:18:02Z)
• Cross-Image Region Mining with Region Prototypical Network for Weakly Supervised Segmentation [45.39679291105364]
  トレーニングセットのクロスイメージオブジェクトの多様性を探索する領域ネットワークRPNetを提案する。 画像にまたがる類似の物体は、地域特徴比較によって識別される。 実験の結果,提案手法はより完全で正確な擬似物体マスクを生成することがわかった。
  論文  参考訳（メタデータ） (2021-08-17T02:51:02Z)
• Background-Aware Pooling and Noise-Aware Loss for Weakly-Supervised Semantic Segmentation [27.50216933606052]
  バウンディングボックスアノテーションを用いた弱い教師付きセマンティックセグメンテーションの問題に対処する。 背景領域は画像内の一部で知覚的に一貫性があり、オブジェクト境界ボックス内の前景と背景領域を識別するために利用することができる。 ノイズ認識損失(nal)により,誤りラベルに対するネットワークの感受性が低下する。
  論文  参考訳（メタデータ） (2021-04-02T06:38:41Z)
• Anti-Adversarially Manipulated Attributions for Weakly and Semi-Supervised Semantic Segmentation [24.4472594401663]
  AdvCAMは、分類スコアを増やすために操作される画像の属性マップである。 この地域は当初差別的ではないと見なされ、その後の分類に関与した。 68.0 と 76.9 の mIoU をそれぞれ弱かつ半教師付きセマンティックセグメンテーションで実現する。
  論文  参考訳（メタデータ） (2021-03-16T07:39:06Z)
• Weakly-Supervised Semantic Segmentation via Sub-category Exploration [73.03956876752868]
  我々は、オブジェクトの他の部分に注意を払うために、ネットワークを強制する単純で効果的なアプローチを提案する。 具体的には、画像の特徴をクラスタリングして、アノテーション付き親クラスごとに擬似サブカテゴリラベルを生成する。 提案手法の有効性を検証し,提案手法が最先端手法に対して良好に機能することを示す。
  論文  参考訳（メタデータ） (2020-08-03T20:48:31Z)
• Multi-Miner: Object-Adaptive Region Mining for Weakly-Supervised Semantic Segmentation [96.85164033097524]
  オブジェクト領域のマイニングは、弱い教師付きセマンティックセグメンテーションにとって重要なステップである。 本稿では,多様なオブジェクトサイズに対応する領域マイニングプロセスを実現するための,新しいマルチマイニングフレームワークを提案する。 実験により, マルチマイニングにより, 地域マイニングの精度が向上し, セグメンテーション性能が向上することが示された。
  論文  参考訳（メタデータ） (2020-06-14T08:00:42Z)

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。