Fugu-MT 論文翻訳(概要): Weighted Intersection over Union (wIoU): A New Evaluation Metric for Image Segmentation

論文の概要: Weighted Intersection over Union (wIoU): A New Evaluation Metric for Image Segmentation

arxiv url: http://arxiv.org/abs/2107.09858v1
Date: Wed, 21 Jul 2021 02:59:59 GMT
ステータス: 処理完了
システム内更新日: 2021-07-22 21:08:15.029934
Title: Weighted Intersection over Union (wIoU): A New Evaluation Metric for Image Segmentation
Title（参考訳）: 重み付き対合(wIoU):画像分割のための新しい評価基準
Authors: Yeong-Jun Cho
Abstract要約: セマンティックセグメンテーションの性能評価のための新しい評価指標を提案する。セグメンテーションの目標は、シーンの各ピクセルのクラスラベルを割り当てることである。
参考スコア（独自算出の注目度）: 4.264192013842096
License: http://creativecommons.org/licenses/by/4.0/
Abstract: In this paper, we propose a novel evaluation metric for performance evaluation of semantic segmentation. In recent years, many studies have tried to train pixel-level classifiers on large-scale image datasets to perform accurate semantic segmentation. The goal of semantic segmentation is to assign a class label of each pixel in the scene. It has various potential applications in computer vision fields e.g., object detection, classification, scene understanding and Etc. To validate the proposed wIoU evaluation metric, we tested state-of-the art methods on public benchmark datasets (e.g., KITTI) based on the proposed wIoU metric and compared with other conventional evaluation metrics.
Abstract（参考訳）: 本稿では,セマンティックセグメンテーションの性能評価のための新しい評価指標を提案する。近年,大規模画像データセット上でピクセルレベルの分類器を訓練し,正確なセマンティクスセグメンテーションを行う研究が数多く行われている。セマンティックセグメンテーションの目的は、シーンの各ピクセルのクラスラベルを割り当てることである。コンピュータビジョンの分野では、オブジェクト検出、分類、シーン理解など、さまざまな潜在的な応用がある。提案したwIoU評価指標を検証するために,提案したwIoU指標に基づいて,公開ベンチマークデータセット(KITTIなど)上で,従来の評価指標と比較した。

関連論文リスト

Revisiting Evaluation Metrics for Semantic Segmentation: Optimization and Evaluation of Fine-grained Intersection over Union [113.20223082664681]
そこで本研究では,mIoUsの微細化と,それに対応する最悪の指標を提案する。これらのきめ細かいメトリクスは、大きなオブジェクトに対するバイアスの低減、よりリッチな統計情報、モデルとデータセット監査に関する貴重な洞察を提供する。ベンチマークでは,1つの測定値に基づかないことの必要性を強調し,微細なmIoUsが大きな物体への偏りを減少させることを確認した。
論文参考訳（メタデータ） (2023-10-30T03:45:15Z)
RankSEG: A Consistent Ranking-based Framework for Segmentation [5.166970737490847]
我々はベイズ則やDice-/IoU-校正を含むDice/IoUメトリクスに関するセグメンテーションの理論的基礎を確立する。ベイズのセグメンテーションルールのプラグインルールにインスパイアされた新しい一貫したランキングベースのフレームワークであるRandDice/RankIoUを提案する。
論文参考訳（メタデータ） (2022-06-27T07:12:31Z)
PNM: Pixel Null Model for General Image Segmentation [17.971090313814447]
ランダムセグメンタによって正しく分類される確率に応じて各ピクセルを重み付けする先行モデルを提案する。 3つのデータセットに対するセグメンテーションのセグメンテーション・タスクの実験により、PNMはセグメンテーションの品質を一貫して改善することを確認した。本稿では,境界のシャープさを認識できる新しい測度であるtextitPNM IoUを提案する。
論文参考訳（メタデータ） (2022-03-13T15:17:41Z)
Contrastive Boundary Learning for Point Cloud Segmentation [81.7289734276872]
本稿では,ポイントクラウドセグメンテーションのための新しい対照的な境界学習フレームワークを提案する。実験により、CBLは、異なるベースラインを一貫して改善し、バウンダリにおける魅力的なパフォーマンスを達成するのに役立ちます。
論文参考訳（メタデータ） (2022-03-10T10:08:09Z)
Boundary IoU: Improving Object-Centric Image Segmentation Evaluation [125.20898025044804]
境界品質に着目した新たなセグメンテーション評価手法であるBoundary IoUを紹介します。境界IoUは、大きなオブジェクトの境界誤差に対して標準のMask IoU測度よりもはるかに感度が高く、小さなオブジェクトの誤差を過給しない。
論文参考訳（メタデータ） (2021-03-30T17:59:20Z)
PointFlow: Flowing Semantics Through Points for Aerial Image Segmentation [96.76882806139251]
本論文では,FPN(Feature Pyramid Network)フレームワークに基づく点親和性伝播モジュールであるPointFlowを提案する。密接な親和性学習ではなく、隣接する特徴間の選択された点にスパース親和性マップを生成する。 3つの異なる空中セグメンテーションデータセットの実験結果から,提案手法は最先端の汎用セグメンテーション法よりも効率的かつ効率的であることが示唆された。
論文参考訳（メタデータ） (2021-03-11T09:42:32Z)
Active Boundary Loss for Semantic Segmentation [58.72057610093194]
本稿では,セマンティックセグメンテーションのための新しいアクティブ境界損失を提案する。エンド・ツー・エンドのトレーニングにおいて、予測境界とグランド・トゥルース・バウンダリのアライメントを徐々に促進することができる。実験結果から, アクティブ境界損失によるトレーニングは, 境界Fスコアと平均インターセクションオーバ・ユニオンを効果的に改善できることが示された。
論文参考訳（メタデータ） (2021-02-04T15:47:54Z)
Rethinking Semantic Segmentation Evaluation for Explainability and Model Selection [12.786648212233116]
地域ベースのオーバーおよびアンダーセグメンテーションを評価するための新しいメトリクスを紹介します。分析して他のメトリクスと比較し、実世界のアプリケーションにおけるセマンティックセグメンテーションモデルのパフォーマンスをより説明しやすくなることを示す。
論文参考訳（メタデータ） (2021-01-21T03:12:43Z)
Contrastive Rendering for Ultrasound Image Segmentation [59.23915581079123]
米国の画像にシャープな境界がないことは、セグメンテーションに固有の課題である。我々は,US画像における境界推定を改善するための,新しい,効果的なフレームワークを提案する。提案手法は最先端の手法より優れており,臨床応用の可能性も高い。
論文参考訳（メタデータ） (2020-10-10T07:14:03Z)
MetaBox+: A new Region Based Active Learning Method for Semantic Segmentation using Priority Maps [4.396860522241306]
本稿では,MetaBox+と呼ばれるセマンティックイメージセグメンテーションのための新しい能動的学習手法を提案する。取得にはメタ回帰モデルをトレーニングし、予測された未ラベル画像の各セグメントのセグメントワイド・インターセクション(IoU)を推定する。提案手法をエントロピーに基づく手法と比較し,エントロピーを予測の不確実性とみなす。
論文参考訳（メタデータ） (2020-10-05T09:36:47Z)

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。