論文の概要: supervised adptive threshold network for instance segmentation

• arxiv url: http://arxiv.org/abs/2106.03450v1
• Date: Mon, 7 Jun 2021 09:25:44 GMT
• ステータス: 処理完了
• システム内更新日: 2021-06-08 18:01:08.792852
• Title: supervised adptive threshold network for instance segmentation
• Title（参考訳）: インスタンスセグメンテーションのための教師付きadptive threshold network
• Authors: Kuikun Liu, Jie Yang, Cai Sun, Haoyuan Chi
• Abstract要約: 適応しきい値に基づくマスクR-CNN法 層状適応ネットワーク構造 アダプティブ・フィーチャー・プール ベンチマークデータセットの実験から,提案モデルの有効性が示唆された。
• 参考スコア（独自算出の注目度）: 4.347876036795798
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Currently, instance segmentation is attracting more and more attention in machine learning region. However, there exists some defects on the information propagation in previous Mask R-CNN and other network models. In this paper, we propose supervised adaptive threshold network for instance segmentation. Specifically, we adopt the Mask R-CNN method based on adaptive threshold, and by establishing a layered adaptive network structure, it performs adaptive binarization on the probability graph generated by Mask RCNN to obtain better segmentation effect and reduce the error rate. At the same time, an adaptive feature pool is designed to make the transmission between different layers of the network more accurate and effective, reduce the loss in the process of feature transmission, and further improve the mask method. Experiments on benchmark data sets indicate that the effectiveness of the proposed model
• Abstract（参考訳）: 現在、インスタンスのセグメンテーションは機械学習の分野でますます注目を集めている。 しかし、以前のMask R-CNNや他のネットワークモデルでは、情報伝達にいくつかの欠陥がある。 本稿では,インスタンス分割のための教師付き適応しきい値ネットワークを提案する。 具体的には、適応しきい値に基づくMask R-CNN法を採用し、階層化適応ネットワーク構造を確立することにより、Mask RCNNが生成する確率グラフ上で適応二項化を行い、セグメンテーション効果の向上とエラー率の低減を図る。 同時に、適応的な特徴プールは、ネットワークの異なる層間の伝送をより正確かつ効果的にし、特徴伝達の過程における損失を低減し、マスク法をさらに改善するように設計されている。 ベンチマークデータセットにおける実験は,提案モデルの有効性を示唆する

関連論文リスト

• Adaptive Anomaly Detection in Network Flows with Low-Rank Tensor Decompositions and Deep Unrolling [9.20186865054847]
  異常検出(AD)は、将来の通信システムのレジリエンスを確保するための重要な要素として、ますます認識されている。 この研究は、不完全測定を用いたネットワークフローにおけるADについて考察する。 本稿では,正規化モデル適合性に基づくブロック帰属凸近似アルゴリズムを提案する。 ベイズ的アプローチに触発されて、我々はモデルアーキテクチャを拡張し、フローごとのオンライン適応とステップごとの統計処理を行う。
  論文  参考訳（メタデータ） (2024-09-17T19:59:57Z)
• Continual-MAE: Adaptive Distribution Masked Autoencoders for Continual Test-Time Adaptation [49.827306773992376]
  連続的テスト時間適応(CTTA)は、ソース事前学習モデルから目標分布の連続的な変化に移行するために提案される。 提案手法は,CTTAタスクの分類とセグメンテーションの両方において,最先端の性能を実現する。
  論文  参考訳（メタデータ） (2023-12-19T15:34:52Z)
• Rapid Network Adaptation: Learning to Adapt Neural Networks Using Test-Time Feedback [12.946419909506883]
  テスト時間フィードバック信号を用いてネットワークをオンザフライで適応するクローズドループシステムを構築した。 本稿では,このループを学習型関数を用いて効果的に実装し,ネットワークに対する償却を実現する方法を提案する。 これにより、Rapid Network Adaptation (RNA) と呼ばれる適応手法が実現され、ベースラインよりも柔軟で桁違いに高速になる。
  論文  参考訳（メタデータ） (2023-09-27T16:20:39Z)
• Communication-Efficient Federated Learning via Regularized Sparse Random Networks [21.491346993533572]
  本研究では,フェデレート学習におけるコミュニケーション効率向上のための新しい手法を提案する。 この設定では、二項マスクはモデル重みの代わりに最適化され、固定される。 伝統的な連邦学習における浮動小数点の重みよりも、Sの疎二元マスクが交換される。
  論文  参考訳（メタデータ） (2023-09-19T14:05:12Z)
• Optimization Guarantees of Unfolded ISTA and ADMM Networks With Smooth Soft-Thresholding [57.71603937699949]
  我々は,学習エポックの数の増加とともに,ほぼゼロに近いトレーニング損失を達成するための最適化保証について検討した。 トレーニングサンプル数に対する閾値は,ネットワーク幅の増加とともに増加することを示す。
  論文  参考訳（メタデータ） (2023-09-12T13:03:47Z)
• Propagation with Adaptive Mask then Training for Node Classification on Attributed Networks [10.732648536892377]
  属性ネットワーク上のノード分類は、ネットワーク分析に不可欠な半教師付きタスクである。 本稿では,適応マスクを用いたイットシェープ伝搬法(PAMT)を提案する。 キーとなる考え方は、属性類似性マスクを構造対応の伝搬プロセスに統合することである。 このようにして、PAMTは伝搬中の隣接ノードの属性の相関を保ち、構造ノイズの影響を効果的に低減できる。
  論文  参考訳（メタデータ） (2022-06-21T06:56:58Z)
• SODAR: Segmenting Objects by DynamicallyAggregating Neighboring Mask Representations [90.8752454643737]
  最近の最先端のワンステージインスタンスセグメンテーションモデルSOLOは、入力画像をグリッドに分割し、完全な畳み込みネットワークを備えたグリッドセルオブジェクトマスクを直接予測する。 我々は,SOLOが近傍の格子セルの物体に対して類似したマスクを生成するのを観察する。 観測されたギャップによってモチベーションを得た学習ベースのアグリゲーション手法を開発し,そのリッチな隣り合う情報を活用してSOLOを改善する。
  論文  参考訳（メタデータ） (2022-02-15T13:53:03Z)
• Deep Adaptive Inference Networks for Single Image Super-Resolution [72.7304455761067]
  シングルイメージ超解像(SISR)は、ディープ畳み込みニューラルネットワーク(CNN)の展開により、近年大きく進歩している。 本稿では,深部SISR(AdaDSR)の適応型推論ネットワークを活用することで,この問題に対処する。 我々のAdaDSRは、SISRモデルをバックボーンとし、画像の特徴とリソース制約を入力として取り、ローカルネットワーク深さのマップを予測する軽量アダプタモジュールを備える。
  論文  参考訳（メタデータ） (2020-04-08T10:08:20Z)
• Network Adjustment: Channel Search Guided by FLOPs Utilization Ratio [101.84651388520584]
  本稿では,ネットワークの精度をFLOPの関数として考慮した,ネットワーク調整という新しいフレームワークを提案する。 標準画像分類データセットと幅広いベースネットワークの実験は、我々のアプローチの有効性を実証している。
  論文  参考訳（メタデータ） (2020-04-06T15:51:00Z)
• Resolution Adaptive Networks for Efficient Inference [53.04907454606711]
  本稿では,低分解能表現が「容易」な入力を分類するのに十分である,という直感に触発された新しいレゾリューション適応ネットワーク(RANet)を提案する。 RANetでは、入力画像はまず、低解像度表現を効率的に抽出する軽量サブネットワークにルーティングされる。 ネットワーク内の高解像度パスは、"ハード"サンプルを認識する能力を維持している。
  論文  参考訳（メタデータ） (2020-03-16T16:54:36Z)

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。