論文の概要: Performance Analysis of a Foreground Segmentation Neural Network Model
- arxiv url: http://arxiv.org/abs/2105.12311v1
- Date: Wed, 26 May 2021 03:07:07 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-28 01:31:06.551491
- Title: Performance Analysis of a Foreground Segmentation Neural Network Model
- Title（参考訳）: 前景セグメンテーションニューラルネットワークモデルの性能解析
- Authors: Joel Tom\'as Morais, Ant\'onio Ramires Fernandes, Andr\'e Leite
Ferreira, Bruno Faria
- Abstract要約: 本稿では,FgSegNet_v2のアブレーション解析を行い,その3段階, (i)Frame, (ii) Feature Pooling Module, (iii) Decoderについて述べる。
提案されたアプローチは、異なる照明条件など、非常に異なる条件で、アートの状態と同等の結果をもたらすので、有望である。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: In recent years the interest in segmentation has been growing, being used in
a wide range of applications such as fraud detection, anomaly detection in
public health and intrusion detection. We present an ablation study of
FgSegNet_v2, analysing its three stages: (i) Encoder, (ii) Feature Pooling
Module and (iii) Decoder. The result of this study is a proposal of a variation
of the aforementioned method that surpasses state of the art results. Three
datasets are used for testing: CDNet2014, SBI2015 and CityScapes. In CDNet2014
we got an overall improvement compared to the state of the art, mainly in the
LowFrameRate subset. The presented approach is promising as it produces
comparable results with the state of the art (SBI2015 and Cityscapes datasets)
in very different conditions, such as different lighting conditions.
- Abstract（参考訳）: 近年はセグメンテーションへの関心が高まっており、不正検出、公衆衛生における異常検出、侵入検知など幅広い用途で利用されている。
我々は,FgSegNet_v2のアブレーション研究を行い,その3段階を解析した: (i) Encoder, (ii) Feature Pooling Module, (iii) Decoder。
本研究の結果は, 上記の方法の変動が, 技術結果の状態を超越したものである。
CDNet2014、SBI2015、CityScapesの3つのデータセットがテストに使用されている。
cdnet2014では、主に低フレームのサブセットで、最先端に比べて全体的な改善がありました。
state of the art(sbi2015とcityscapes datasets)に比較して、照明条件の違いなど、非常に異なる条件下で結果を生成するため、このアプローチは有望である。
関連論文リスト
- Performance Comparison of Session-based Recommendation Algorithms based on GNNs [6.617487928813376]
セッションベースのレコメンデーション設定では、リコメンダシステムは長期的なユーザプロファイルにアクセスできない。
本稿では,GNNをベースとした8つの手法の評価結果について報告する。
論文 参考訳（メタデータ） (2023-12-27T19:24:26Z) - Attention Modules Improve Image-Level Anomaly Detection for Industrial
Inspection: A DifferNet Case Study [2.2942964892621807]
本稿では注意モジュールを付加したDifferNetベースのソリューションを提案する。
産業検査用の3つの視覚異常検出データセットにおける画像レベルの検出と分類機能を改善する。
評価の結果,全AUROCでは,DifferNetに比べて平均1.77+0.25ポイントの改善が見られた。
論文 参考訳（メタデータ） (2023-11-05T19:48:50Z) - When Super-Resolution Meets Camouflaged Object Detection: A Comparison
Study [135.19004496785408]
Super Resolution (SR) と Camouflaged Object Detection (COD) は、コンピュータビジョンにおける様々なジョイントアプリケーションとのホットトピックである。
我々は、一般的なCODデータセット上で異なる超解像法をベンチマークする。
SR法により処理されたCODデータを用いて,異なるCODモデルのロバスト性を評価する。
論文 参考訳（メタデータ） (2023-08-08T16:17:46Z) - OOD-CV-v2: An extended Benchmark for Robustness to Out-of-Distribution
Shifts of Individual Nuisances in Natural Images [59.51657161097337]
OOD-CV-v2は、ポーズ、形状、テクスチャ、コンテキスト、気象条件の10のオブジェクトカテゴリのアウト・オブ・ディストリビューションの例を含むベンチマークデータセットである。
この新たなデータセットに加えて、一般的なベースライン手法を用いた広範な実験にも貢献する。
論文 参考訳（メタデータ） (2023-04-17T20:39:25Z) - Tackling Long-Tailed Category Distribution Under Domain Shifts [50.21255304847395]
既存のアプローチでは、両方の問題が存在するシナリオに対処できません。
本研究では,分散校正型分類損失,視覚意味マッピング,セマンティック類似性誘導拡張の3つの新しい機能ブロックを設計した。
AWA2-LTSとImageNet-LTSという2つの新しいデータセットが提案された。
論文 参考訳（メタデータ） (2022-07-20T19:07:46Z) - A SAR speckle filter based on Residual Convolutional Neural Networks [68.8204255655161]
本研究では,Convolutional Neural Networks(CNN)に基づく深層学習(DL)アルゴリズムを用いて,Sentinel-1データからスペックルノイズをフィルタリングする新しい手法を提案する。
得られた結果は、技術の現状と比較すると、ピーク信号対雑音比(PSNR)と構造類似度指数(SSIM)の点で明確な改善を示しています。
論文 参考訳（メタデータ） (2021-04-19T14:43:07Z) - Hyperspectral Classification Based on Lightweight 3-D-CNN With Transfer
Learning [67.40866334083941]
限定サンプルに基づくHSI分類のためのエンドツーエンドの3次元軽量畳み込みニューラルネットワーク(CNN)を提案する。
従来の3D-CNNモデルと比較して,提案した3D-LWNetはネットワーク構造が深く,パラメータが小さく,計算コストも低い。
本モデルでは,HSI分類の競合性能を,いくつかの最先端手法と比較した。
論文 参考訳（メタデータ） (2020-12-07T03:44:35Z) - Fader Networks for domain adaptation on fMRI: ABIDE-II study [68.5481471934606]
我々は3次元畳み込みオートエンコーダを用いて、無関係な空間画像表現を実現するとともに、ABIDEデータ上で既存のアプローチより優れていることを示す。
論文 参考訳（メタデータ） (2020-10-14T16:50:50Z) - The Little W-Net That Could: State-of-the-Art Retinal Vessel
Segmentation with Minimalistic Models [19.089445797922316]
数桁のパラメータが桁違いに少ない標準U-Netのミニマリストバージョンが、現在のベストプラクティスの性能を近似していることを示す。
また,W-Netと呼ばれる単純な拡張も提案する。
また、Artery/Veinセグメンテーション問題にもアプローチを試行し、その結果を最先端技術に整合させる。
論文 参考訳（メタデータ） (2020-09-03T19:59:51Z) - Learning Robust Feature Representations for Scene Text Detection [0.0]
本稿では、条件付きログを最大化するために、損失から導かれるネットワークアーキテクチャを提案する。
潜伏変数の層を複数の層に拡張することで、ネットワークは大規模に堅牢な機能を学ぶことができる。
実験では,提案アルゴリズムはリコール法と精度の両面で最先端の手法を著しく上回っている。
論文 参考訳（メタデータ） (2020-05-26T01:06:47Z) - Segmentation of Macular Edema Datasets with Small Residual 3D U-Net
Architectures [5.881334886616738]
本稿では, 深部畳み込み型ニューラルネットワークの黄斑浮腫セグメンテーション問題への応用について検討する。
一般的な信念とは対照的に、このアプリケーション設定内のニューラルアーキテクチャは、大量のトレーニングサンプルを必要とせずに、目に見えないテストイメージ上での人間レベルのパフォーマンスに近いパフォーマンスを達成することができる。
論文 参考訳（メタデータ） (2020-05-10T15:34:46Z)
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。