論文の概要: Anabranch Network for Camouflaged Object Segmentation

• arxiv url: http://arxiv.org/abs/2105.09451v1
• Date: Thu, 20 May 2021 01:52:44 GMT
• ステータス: 処理完了
• システム内更新日: 2021-05-21 21:30:24.067710
• Title: Anabranch Network for Camouflaged Object Segmentation
• Title（参考訳）: カモフラージュオブジェクトセグメンテーションのためのアナブランチネットワーク
• Authors: Trung-Nghia Le, Tam V. Nguyen, Zhongliang Nie, Minh-Triet Tran, Akihiro Sugimoto
• Abstract要約: 本稿では,キャモフラージュ対象分割問題,すなわち所定の画像に対するキャモフラーグ対象分割問題について検討する。 この問題に対処するため,我々は,ベンチマーク目的のカモフラージュされたオブジェクトの画像データセットを新たに提供した。 さらに,分類タスクとセグメント化タスクの両方を活用する,Anabranch Networkと呼ばれる汎用的なエンドツーエンドネットワークを提案する。
• 参考スコア（独自算出の注目度）: 23.956327305907585
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Camouflaged objects attempt to conceal their texture into the background and discriminating them from the background is hard even for human beings. The main objective of this paper is to explore the camouflaged object segmentation problem, namely, segmenting the camouflaged object(s) for a given image. This problem has not been well studied in spite of a wide range of potential applications including the preservation of wild animals and the discovery of new species, surveillance systems, search-and-rescue missions in the event of natural disasters such as earthquakes, floods or hurricanes. This paper addresses a new challenging problem of camouflaged object segmentation. To address this problem, we provide a new image dataset of camouflaged objects for benchmarking purposes. In addition, we propose a general end-to-end network, called the Anabranch Network, that leverages both classification and segmentation tasks. Different from existing networks for segmentation, our proposed network possesses the second branch for classification to predict the probability of containing camouflaged object(s) in an image, which is then fused into the main branch for segmentation to boost up the segmentation accuracy. Extensive experiments conducted on the newly built dataset demonstrate the effectiveness of our network using various fully convolutional networks. \url{https://sites.google.com/view/ltnghia/research/camo}
• Abstract（参考訳）: カモフラージュされた物体は、テクスチャを背景に隠そうとしており、背景から識別することは人間にとっても難しい。 本研究の目的は, カモフラージュされた対象分割問題, すなわち, カモフラーグされた対象を与えられた画像に対してセグメント化することである。 この問題は、野生動物の保存や新種の発見、監視システム、地震、洪水、ハリケーンなどの自然災害が発生した場合の捜索救助任務など、幅広い可能性があるにもかかわらず、十分に研究されていない。 本稿では,キャモフラージュされたオブジェクトセグメンテーションの課題に対処する。 この問題に対処するため,我々は,ベンチマーク目的のカモフラーグオブジェクトの画像データセットを新たに提供した。 さらに,分類タスクとセグメント化タスクの両方を活用する,Anabranch Networkと呼ばれる汎用エンドツーエンドネットワークを提案する。 既存のセグメンテーションネットワークとは違って,提案ネットワークは,画像中にカモフラージュされたオブジェクトを含む確率を予測するために,分類のための第2のブランチを持ち,セグメンテーションのためにメインブランチに融合し,セグメンテーション精度を高める。 新たに構築したデータセットで行った大規模な実験は、様々な完全畳み込みネットワークを用いたネットワークの有効性を示す。 https://sites.google.com/view/ltnghia/research/camo}

関連論文リスト

• COMNet: Co-Occurrent Matching for Weakly Supervised Semantic Segmentation [13.244183864948848]
  我々は,CAMの品質を向上し,オブジェクトの全体に対して注意を払うためにネットワークを強制する,新しいコオカレントマッチングネットワーク(COMNet)を提案する。 具体的には、共通クラスを含むペア画像のマッチングを行い、対応する領域を強化し、単一の画像上にマッチングを構築し、対象領域を横断する意味的特徴を伝達する。 The experiment on the Pascal VOC 2012 and MS-COCO datasets shows our network can effective boost the performance of the baseline model and a new-of-the-art performance。
  論文  参考訳（メタデータ） (2023-09-29T03:55:24Z)
• Referring Camouflaged Object Detection [97.90911862979355]
  Ref-COD は、特定のカモフラージュされたオブジェクトを、サルエントターゲットオブジェクトによる参照画像の小さなセットに基づいて分割することを目的としている。 R2C7Kと呼ばれる大規模なデータセットは、実世界のシナリオで64のオブジェクトカテゴリをカバーする7Kイメージで構成されています。
  論文  参考訳（メタデータ） (2023-06-13T04:15:37Z)
• The Art of Camouflage: Few-Shot Learning for Animal Detection and Segmentation [21.047026366450197]
  カモフラージュされた物体の検出とセグメンテーションにおける数ショット学習の問題に対処する。 そこで我々は, Camouflaged インスタンスを効率的に検出・分割するフレームワーク FS-CDIS を提案する。 提案手法は,新たに収集したデータセットの最先端性能を実現する。
  論文  参考訳（メタデータ） (2023-04-15T01:33:14Z)
• Towards Deeper Understanding of Camouflaged Object Detection [64.81987999832032]
  バイナリセグメンテーション設定は、カモフラージュの概念を完全に理解できない。 そこで本研究では,カモフラージュされたオブジェクトの局所化,セグメント化,ランク付けを同時に行う3段階学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2022-05-23T14:26:18Z)
• Simultaneously Localize, Segment and Rank the Camouflaged Objects [55.46101599577343]
  camouflaged object detectionは、周囲に隠されているcamouflaged objectsを分割することを目的としている。 私たちは、カモフラージュされた物体の目立ちを特定の背景に明確にモデル化することは、カモフラージュと動物の進化をよりよく理解するのに役立つと主張しています。 迷彩オブジェクトを同時にローカライズ、セグメント化、ランク付けする最初のランキングベースのCODネットワーク(Rank-Net)を紹介します。
  論文  参考訳（メタデータ） (2021-03-06T02:53:36Z)
• MirrorNet: Bio-Inspired Camouflaged Object Segmentation [38.216215543631485]
  本稿では,カモフラージュされたオブジェクトのセグメント化にインスタンスセグメンテーションとミラーストリームの両方を利用する,MirrorNetという新しいバイオインスピレーションネットワークを提案する。 提案手法は精度が89%向上し,最先端技術よりも優れていた。
  論文  参考訳（メタデータ） (2020-07-25T08:31:15Z)
• Ventral-Dorsal Neural Networks: Object Detection via Selective Attention [51.79577908317031]
  我々はVDNet(Ventral-Dorsal Networks)と呼ばれる新しいフレームワークを提案する。 人間の視覚システムの構造にインスパイアされた我々は「Ventral Network」と「Dorsal Network」の統合を提案する。 実験の結果,提案手法は最先端の物体検出手法よりも優れていることがわかった。
  論文  参考訳（メタデータ） (2020-05-15T23:57:36Z)
• WW-Nets: Dual Neural Networks for Object Detection [48.67090730174743]
  ネットワーク接続重みの暗黙的なオブジェクト位置知識を用いて、オブジェクト検出タスクにおける選択的注意を誘導する、新しいディープ畳み込みニューラルネットワークフレームワークを提案する。 我々のアプローチはWhat-Where Nets (WW-Nets)と呼ばれ、人間の視覚経路の構造にインスパイアされている。
  論文  参考訳（メタデータ） (2020-05-15T21:16:22Z)
• Reproduction of Lateral Inhibition-Inspired Convolutional Neural Network for Visual Attention and Saliency Detection [0.0]
  ニューラルネットワークは 自然画像の例と 効果的に混同されます 対象の分類は,対象が位置する背景画素の影響を強く受けているのではないかと思う。 この目的のために,licNNネットワークが作成した有能度マップを用いて,上記の問題を解析する。
  論文  参考訳（メタデータ） (2020-05-05T13:55:47Z)
• CRNet: Cross-Reference Networks for Few-Shot Segmentation [59.85183776573642]
  少ないショットセグメンテーションは、少数のトレーニングイメージを持つ新しいクラスに一般化できるセグメンテーションモデルを学ぶことを目的としている。 相互参照機構により、我々のネットワークは2つの画像に共起する物体をよりよく見つけることができる。 PASCAL VOC 2012データセットの実験は、我々のネットワークが最先端のパフォーマンスを達成することを示す。
  論文  参考訳（メタデータ） (2020-03-24T04:55:43Z)

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。