論文の概要: Universal Weakly Supervised Segmentation by Pixel-to-Segment Contrastive Learning

• arxiv url: http://arxiv.org/abs/2105.00957v1
• Date: Mon, 3 May 2021 15:49:01 GMT
• ステータス: 処理完了
• システム内更新日: 2021-05-04 13:59:31.287088
• Title: Universal Weakly Supervised Segmentation by Pixel-to-Segment Contrastive Learning
• Title（参考訳）: 画素間コントラスト学習による普遍的弱教師付きセグメンテーション
• Authors: Tsung-Wei Ke, Jyh-Jing Hwang, Stella X. Yu
• Abstract要約: 半教師付きメトリック学習問題として弱教師付きセグメンテーションを定式化する。 特徴空間における画素とセグメント間のコントラスト関係を4種類提案する。 我々はPascal VOCとDensePoseに大きな利益をもたらす、普遍的な弱教師付きセグメンタを提供する。
• 参考スコア（独自算出の注目度）: 28.498782661888775
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Weakly supervised segmentation requires assigning a label to every pixel based on training instances with partial annotations such as image-level tags, object bounding boxes, labeled points and scribbles. This task is challenging, as coarse annotations (tags, boxes) lack precise pixel localization whereas sparse annotations (points, scribbles) lack broad region coverage. Existing methods tackle these two types of weak supervision differently: Class activation maps are used to localize coarse labels and iteratively refine the segmentation model, whereas conditional random fields are used to propagate sparse labels to the entire image. We formulate weakly supervised segmentation as a semi-supervised metric learning problem, where pixels of the same (different) semantics need to be mapped to the same (distinctive) features. We propose 4 types of contrastive relationships between pixels and segments in the feature space, capturing low-level image similarity, semantic annotation, co-occurrence, and feature affinity They act as priors; the pixel-wise feature can be learned from training images with any partial annotations in a data-driven fashion. In particular, unlabeled pixels in training images participate not only in data-driven grouping within each image, but also in discriminative feature learning within and across images. We deliver a universal weakly supervised segmenter with significant gains on Pascal VOC and DensePose.
• Abstract（参考訳）: 弱い教師付きセグメンテーションでは、イメージレベルのタグ、オブジェクト境界ボックス、ラベル付きポイント、スクリブルなどの部分アノテーションを持つトレーニングインスタンスに基づいて、各ピクセルにラベルを割り当てる必要がある。 粗いアノテーション(タグ、ボックス)は正確なピクセルローカライゼーションを欠いているのに対して、スパースアノテーション(ポイント、スクリブル)は広い範囲のカバレッジを欠いているため、このタスクは難しい。 クラスアクティベーションマップは粗いラベルをローカライズし、セグメンテーションモデルを反復的に洗練するために使用され、一方条件付きランダムフィールドはスパースラベルを画像全体に伝播するために使用される。 我々は、弱い教師付きセグメンテーションを半教師付きメトリック学習問題として定式化し、同じ(異なる)セグメンテーションのピクセルを同じ(連続的な)特徴にマッピングする必要がある。 本稿では,特徴空間における画素とセグメント間の対比関係として,低レベル画像の類似性,意味的アノテーション,共起性,特徴の親和性を示す4つのタイプを提案する。 特に、トレーニング画像中のラベルなし画素は、各画像内のデータ駆動グループ化だけでなく、画像内および画像間の識別的特徴学習にも関与する。 我々はPascal VOCとDensePoseに大きな利益をもたらす、普遍的な弱教師付きセグメンタを提供する。

関連論文リスト

• Learning Semantic Segmentation with Query Points Supervision on Aerial Images [57.09251327650334]
  セマンティックセグメンテーションアルゴリズムを学習するための弱教師付き学習アルゴリズムを提案する。 提案手法は正確なセマンティックセグメンテーションを行い,手作業のアノテーションに要するコストと時間を大幅に削減することで効率を向上する。
  論文  参考訳（メタデータ） (2023-09-11T14:32:04Z)
• Language-driven Semantic Segmentation [88.21498323896475]
  本稿では,言語駆動型セマンティックイメージセグメンテーションの新しいモデルLSegを提案する。 テキストエンコーダを用いて記述型入力ラベルの埋め込みを計算する。 エンコーダは、画素埋め込みを対応するセマンティッククラスのテキスト埋め込みに合わせるために、対照的な目的で訓練される。
  論文  参考訳（メタデータ） (2022-01-10T18:59:10Z)
• Maximize the Exploration of Congeneric Semantics for Weakly Supervised Semantic Segmentation [27.155133686127474]
  グラフニューラルネットワーク(P-GNN)を,同一のクラスラベルを含む異なる画像からの自己検出パッチに基づいて構築する。 PASCAL VOC 2012ベンチマークで実験を行い、そのモデルにより最先端の性能が得られた。
  論文  参考訳（メタデータ） (2021-10-08T08:59:16Z)
• Mixed Supervision Learning for Whole Slide Image Classification [88.31842052998319]
  超高解像度画像のための混合監視学習フレームワークを提案する。 パッチトレーニングの段階では、このフレームワークは、粗いイメージレベルのラベルを使用して、自己教師付き学習を洗練することができる。 画素レベルの偽陽性と偽陰性を抑制するための包括的な戦略が提案されている。
  論文  参考訳（メタデータ） (2021-07-02T09:46:06Z)
• KRADA: Known-region-aware Domain Alignment for Open World Semantic Segmentation [64.03817806316903]
  セマンティックセグメンテーションでは、画像中のすべてのピクセルにカテゴリラベルを割り当てるために、ピクセルレベルの分類器を訓練することを目指している。 オープンな世界では、ラベル付けされていないテスト画像はおそらく未知のカテゴリを含み、ラベル付けされた画像とは異なる分布を持つ。 本稿では,未知のクラスを識別し,ラベル付きおよびラベルなしのオープンワールド画像中の既知のクラスの分布を整列する,エンドツーエンドの学習フレームワークKRADAを提案する。
  論文  参考訳（メタデータ） (2021-06-11T08:43:59Z)
• A Closer Look at Self-training for Zero-Label Semantic Segmentation [53.4488444382874]
  トレーニング中に見られないクラスをセグメント化できることは、ディープラーニングにおいて重要な技術的課題です。 事前のゼロラベルセマンティクスセグメンテーションは、ビジュアル・セマンティクスの埋め込みや生成モデルを学ぶことによってこのタスクにアプローチする。 本研究では,同一画像の異なる増分から生じる擬似ラベルの交点を取り出し,ノイズの多い擬似ラベルをフィルタリングする整合性正規化器を提案する。
  論文  参考訳（メタデータ） (2021-04-21T14:34:33Z)
• Exploring Cross-Image Pixel Contrast for Semantic Segmentation [130.22216825377618]
  完全教師付きセッティングにおけるセマンティックセグメンテーションのための画素単位のコントラストフレームワークを提案する。 中心となる考え方は、同じセマンティッククラスに属するピクセルの埋め込みを、異なるクラスの埋め込みよりもよく似ているように強制することである。 テスト中に余分なオーバーヘッドを伴わずに既存のセグメンテーションフレームワークに懸命に組み込むことができる。
  論文  参考訳（メタデータ） (2021-01-28T11:35:32Z)
• From Pixel to Patch: Synthesize Context-aware Features for Zero-shot Semantic Segmentation [22.88452754438478]
  ゼロショットセマンティックセマンティックセマンティックセマンティクスは,カテゴリレベルのセマンティクスのみを持つ未確認オブジェクトのセマンティクスを目的としたセマンティクスである。 本研究では,コンテキスト認識機能生成ネットワーク(CaGNet)を提案する。 Pascal-VOC, Pascal-Context, COCO-stuff の実験結果から,本手法は既存のゼロショットセマンティックセマンティックセグメンテーション法よりも有意に優れていることが示された。
  論文  参考訳（メタデータ） (2020-09-25T13:26:30Z)
• PCAMs: Weakly Supervised Semantic Segmentation Using Point Supervision [12.284208932393073]
  本稿では,ある点レベルのアノテーションが与えられた画像から意味的セグメンテーションを生成する新しい手法を提案する。 提案するCNNは,通常,地上の真理ラベルの代わりに擬似ラベルを用いて完全に教師される。 提案手法は,PASCAL VOC 2012 データセットを引用した PASCAL VOC 2012 のセマンティックセマンティックセマンティフィケーションのための技術結果の状態を達成し,より強いバウンディングボックスやリスグル管理のための技術手法よりも優れていた。
  論文  参考訳（メタデータ） (2020-07-10T21:25:27Z)

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。