論文の概要: FAPIS: A Few-shot Anchor-free Part-based Instance Segmenter
- arxiv url: http://arxiv.org/abs/2104.00073v1
- Date: Wed, 31 Mar 2021 19:09:43 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-03 09:57:12.051505
- Title: FAPIS: A Few-shot Anchor-free Part-based Instance Segmenter
- Title（参考訳）: fapis: 数ショットアンカーフリーの部分ベースのインスタンスセグナー
- Authors: Khoi Nguyen, Sinisa Todorovic
- Abstract要約: 新しい数ショットアンカーフリーのパートベースインスタンスセグメンタFAPISを評価します。
主な目新しさは、トレーニングオブジェクトクラス間で共有される潜伏オブジェクト部分の明示的なモデリングである。
ベンチマークCOCO-20iデータセットによる評価は,その技術状況を大きく上回っていることを示す。
- 参考スコア（独自算出の注目度）: 35.103437828235826
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This paper is about few-shot instance segmentation, where training and test
image sets do not share the same object classes. We specify and evaluate a new
few-shot anchor-free part-based instance segmenter FAPIS. Our key novelty is in
explicit modeling of latent object parts shared across training object classes,
which is expected to facilitate our few-shot learning on new classes in
testing. We specify a new anchor-free object detector aimed at scoring and
regressing locations of foreground bounding boxes, as well as estimating
relative importance of latent parts within each box. Also, we specify a new
network for delineating and weighting latent parts for the final instance
segmentation within every detected bounding box. Our evaluation on the
benchmark COCO-20i dataset demonstrates that we significantly outperform the
state of the art.
- Abstract（参考訳）: 本稿では、トレーニングとテストイメージセットが同じオブジェクトクラスを共有しない、インスタンスセグメンテーションについて述べる。
我々は、新しいマイナショットアンカーフリー部分ベースのインスタンスセグメンタfapiを指定、評価する。
私たちの重要な新規性は、トレーニング対象クラス間で共有される潜在オブジェクト部分の明示的なモデリングです。
我々は,前景境界ボックスの位置のスコア付けと後退を目的とした新しいアンカーフリー物体検出器を特定し,各ボックス内の潜在部分の相対的重要度を推定する。
また,検出されたバウンディングボックス毎に最終インスタンスセグメンテーションの潜在部分のデライン化と重み付けを行う新しいネットワークを指定する。
ベンチマークCOCO-20iデータセットによる評価は,その技術状況を大きく上回っていることを示す。
関連論文リスト
- ISAR: A Benchmark for Single- and Few-Shot Object Instance Segmentation
and Re-Identification [24.709695178222862]
単発および少数発のオブジェクト識別のためのベンチマークおよびベースライン手法であるISARを提案する。
地層構造意味アノテーションを用いた半合成的ビデオシーケンスデータセットを提供する。
我々のベンチマークは、マルチオブジェクト追跡、ビデオオブジェクト、再識別の新たな研究動向と一致している。
論文 参考訳（メタデータ） (2023-11-05T18:51:33Z) - Fine-grained Few-shot Recognition by Deep Object Parsing [43.61794876834115]
テストインスタンスをK部分を推論することで解析し、各部分が特徴空間内の別の位置を占める。
我々は、そのアクティブテンプレートと、その部分位置の相対幾何学を比較して、テストインスタンスを認識する。
論文 参考訳（メタデータ） (2022-07-14T17:59:05Z) - iFS-RCNN: An Incremental Few-shot Instance Segmenter [39.79912546252623]
2つのコントリビューションは、Mask-RCNNフレームワークを第2段階に拡張することで実現している。
プロビット関数と新しい不確実性誘導境界ボックス予測器に基づく新しいオブジェクトクラス分類器を指定する。
当社のコントリビューションは,COCOデータセットにおける技術状況に対する大幅なパフォーマンス向上を実現しています。
論文 参考訳（メタデータ） (2022-05-31T06:42:03Z) - Learning with Free Object Segments for Long-Tailed Instance Segmentation [15.563842274862314]
インスタンスセグメントの豊富さは、オブジェクト中心のIm-ageから自由に得ることができる。
これらの知見に触発されて,これらの「自由」オブジェクトセグメントの抽出と活用を目的としたFreeSegを提案する。
FreeSegは、まれなオブジェクトカテゴリのセグメンテーションにおける最先端の精度を達成する。
論文 参考訳（メタデータ） (2022-02-22T19:06:16Z) - Rectifying the Shortcut Learning of Background: Shared Object
Concentration for Few-Shot Image Recognition [101.59989523028264]
Few-Shot画像分類は、大規模なデータセットから学んだ事前学習された知識を利用して、一連の下流分類タスクに取り組むことを目的としている。
本研究では,Few-Shot LearningフレームワークであるCOSOCを提案する。
論文 参考訳（メタデータ） (2021-07-16T07:46:41Z) - Object-Guided Instance Segmentation With Auxiliary Feature Refinement
for Biological Images [58.914034295184685]
サンプルセグメンテーションは、神経細胞相互作用の研究、植物の表現型化、細胞が薬物治療にどう反応するかを定量的に測定するなど、多くの生物学的応用において非常に重要である。
Boxベースのインスタンスセグメンテーションメソッドは、バウンディングボックスを介してオブジェクトをキャプチャし、各バウンディングボックス領域内で個々のセグメンテーションを実行する。
提案手法は,まずオブジェクトの中心点を検出し,そこから境界ボックスパラメータが予測される。
セグメンテーションブランチは、オブジェクト特徴をガイダンスとして再利用し、同じバウンディングボックス領域内の隣のオブジェクトからターゲットオブジェクトを分離する。
論文 参考訳（メタデータ） (2021-06-14T04:35:36Z) - SCNet: Enhancing Few-Shot Semantic Segmentation by Self-Contrastive
Background Prototypes [56.387647750094466]
Few-shot セマンティックセマンティックセマンティクスは,クエリイメージ内の新規クラスオブジェクトを,アノテーション付きの例で分割することを目的としている。
先進的なソリューションのほとんどは、各ピクセルを学習した前景のプロトタイプに合わせることでセグメンテーションを行うメトリクス学習フレームワークを利用している。
このフレームワークは、前景プロトタイプのみとのサンプルペアの不完全な構築のために偏った分類に苦しんでいます。
論文 参考訳（メタデータ） (2021-04-19T11:21:47Z) - Pointly-Supervised Instance Segmentation [81.34136519194602]
インスタンスセグメンテーションの弱い監視の新しい形態であるポイントベースのインスタンスレベルのアノテーションを提案する。
標準のバウンディングボックスアノテーションと、各バウンディングボックス内で一様にサンプリングされるラベル付きポイントを組み合わせる。
実験では,COCO,PASCAL VOC,Cityscapes,LVISでトレーニングしたMask R-CNNモデルに対して,各オブジェクトあたりの注釈付きポイントが94%～98%の完全教師付きパフォーマンスを達成した。
論文 参考訳（メタデータ） (2021-04-13T17:59:40Z) - Part-aware Prototype Network for Few-shot Semantic Segmentation [50.581647306020095]
本稿では,プロトタイプ表現に基づく新規な数ショットセマンティックセマンティックセマンティクスフレームワークを提案する。
私たちのキーとなるアイデアは、全体論的なクラス表現を、部分認識型プロトタイプのセットに分解することです。
提案する部分認識型プロトタイプを生成・拡張する新しいグラフニューラルネットワークモデルを開発した。
論文 参考訳（メタデータ） (2020-07-13T11:03:09Z) - A Few-Shot Sequential Approach for Object Counting [63.82757025821265]
画像中のオブジェクトに逐次出席するクラスアテンション機構を導入し,それらの特徴を抽出する。
提案手法は点レベルのアノテーションに基づいて訓練され,モデルのクラス依存的・クラス依存的側面を乱す新しい損失関数を用いる。
本稿では,FSODやMS COCOなど,さまざまなオブジェクトカウント/検出データセットについて報告する。
論文 参考訳（メタデータ） (2020-07-03T18:23:39Z)
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。