論文の概要: An Underwater Image Semantic Segmentation Method Focusing on Boundaries
and a Real Underwater Scene Semantic Segmentation Dataset
- arxiv url: http://arxiv.org/abs/2108.11727v1
- Date: Thu, 26 Aug 2021 12:05:08 GMT
- ステータス: 処理完了
- システム内更新日: 2021-08-27 14:01:57.995355
- Title: An Underwater Image Semantic Segmentation Method Focusing on Boundaries
and a Real Underwater Scene Semantic Segmentation Dataset
- Title（参考訳）: 境界に着目した水中画像意味セマンティクスセグメンテーション法と実際の水中シーンセマンティクスデータセット
- Authors: Zhiwei Ma, Haojie Li, Zhihui Wang, Dan Yu, Tianyi Wang, Yingshuang Gu,
Xin Fan, and Zhongxuan Luo
- Abstract要約: 実シーンの最初の水中セマンティックセマンティックセグメンテーションデータセット(DUT-USEG:DUT水中データセット)をラベル付けし、確立する。
境界に着目した半教師付き水中セマンティックセグメンテーションネットワーク(US-Net:水中ネットワーク)を提案する。
実験の結果,DUT-USEGデータセットのホロトゥリアン,キチナス,ヒトデ,および最先端の3つのカテゴリーにおいて,提案手法が6.7%向上することが確認された。
- 参考スコア（独自算出の注目度）: 41.842352295729555
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: With the development of underwater object grabbing technology, underwater
object recognition and segmentation of high accuracy has become a challenge.
The existing underwater object detection technology can only give the general
position of an object, unable to give more detailed information such as the
outline of the object, which seriously affects the grabbing efficiency. To
address this problem, we label and establish the first underwater semantic
segmentation dataset of real scene(DUT-USEG:DUT Underwater Segmentation
Dataset). The DUT- USEG dataset includes 6617 images, 1487 of which have
semantic segmentation and instance segmentation annotations, and the remaining
5130 images have object detection box annotations. Based on this dataset, we
propose a semi-supervised underwater semantic segmentation network focusing on
the boundaries(US-Net: Underwater Segmentation Network). By designing a pseudo
label generator and a boundary detection subnetwork, this network realizes the
fine learning of boundaries between underwater objects and background, and
improves the segmentation effect of boundary areas. Experiments show that the
proposed method improves by 6.7% in three categories of holothurian, echinus,
starfish in DUT-USEG dataset, and achieves state-of-the-art results. The DUT-
USEG dataset will be released at https://github.com/baxiyi/DUT-USEG.
- Abstract（参考訳）: 水中物体把持技術の発展に伴い,水中物体認識と高精度セグメンテーションが課題となっている。
既存の水中物体検出技術は、物体の一般的な位置のみを与えることができ、物体の輪郭のようなより詳細な情報を与えることができない。
この問題に対処するために,実シーンの水中意味セグメンテーションデータセット(dut-useg:dut underwater segmentation dataset)をラベル付け,確立する。
dut-usegデータセットは6617のイメージを含み、1487のイメージはセマンティックセグメンテーションとインスタンスセグメンテーションアノテーションを持ち、残りの5130のイメージはオブジェクト検出ボックスアノテーションを持っている。
このデータセットに基づいて,境界(US-Net: Underwater Segmentation Network)に着目した半教師付き水中セマンティックセマンティックセマンティクスネットワークを提案する。
擬似ラベル生成器と境界検出サブネットワークを設計することにより、水中物体と背景の境界の微妙な学習を実現し、境界領域のセグメンテーション効果を向上させる。
提案手法は,dut-usegデータセットにおけるholothurian, echinus, starfishの3つのカテゴリにおいて6.7%改善し,最新結果を得た。
DUTUSEGデータセットはhttps://github.com/baxiyi/DUT-USEGで公開される。
関連論文リスト
- Diving into Underwater: Segment Anything Model Guided Underwater Salient Instance Segmentation and A Large-scale Dataset [60.14089302022989]
水中視覚タスクは複雑な水中状況のため、しばしばセグメンテーションの精度が低い。
第1次大規模水中塩分分節データセット(USIS10K)を構築した。
本研究では,水中ドメインに特化してセグメンツ・ア・シング・モデル(USIS-SAM)に基づく水中塩分・インスタンス・アーキテクチャを提案する。
論文 参考訳（メタデータ） (2024-06-10T06:17:33Z) - Navya3DSeg -- Navya 3D Semantic Segmentation Dataset & split generation
for autonomous vehicles [63.20765930558542]
3Dセマンティックデータは、障害物検出やエゴ-車両の局所化といった中核的な認識タスクに有用である。
そこで我々は,大規模生産段階の運用領域に対応する多様なラベル空間を持つ新しいデータセットであるNavala 3D(Navya3DSeg)を提案する。
ラベルのない23のラベル付きシーケンスと25の補足シーケンスが含まれており、ポイントクラウド上の自己教師付きおよび半教師付きセマンティックセマンティックセグメンテーションベンチマークを探索するために設計された。
論文 参考訳（メタデータ） (2023-02-16T13:41:19Z) - A Dataset with Multibeam Forward-Looking Sonar for Underwater Object
Detection [0.0]
マルチビーム前方ソナー (MFLS) は水中検出において重要な役割を担っている。
MFLSを用いた水中物体検出の研究にはいくつかの課題がある。
本稿では,Tritech Gemini 1200ikソナーを用いて,9000枚以上のMFLS画像からなる新しいデータセットを提案する。
論文 参考訳（メタデータ） (2022-12-01T08:26:03Z) - An Interpretable Deep Semantic Segmentation Method for Earth Observation [0.7499722271664145]
プロトタイプベースの解釈可能なディープセマンティックセマンティックセグメンテーション(IDSS)手法を提案する。
そのパラメータは、U-Netのようなディープネットワークで使用されるパラメータの数よりも桁違いに小さく、明らかに人間によって解釈される。
その結果、IDSSは、IoU (Intersection over Union) の総水量とリコール総水量の観点から、U-Netを含む他のアルゴリズムを上回る可能性があることが示された。
論文 参考訳（メタデータ） (2022-10-23T18:46:44Z) - ATLANTIS: A Benchmark for Semantic Segmentation of Waterbody Images [11.694400268453366]
ATLANTISは,水系とその関連オブジェクトのセマンティックセグメンテーションのための新しいベンチマークである。
ATLANTISは5,195枚の水たまりの画像と56種類のオブジェクトの高品質なピクセルレベルの手動アノテーションで構成されている。
新しいディープニューラルネットワークであるAquaNetは、水生領域と非水生領域を2つの異なる経路で処理することで、水域のセマンティックセマンティックセグメンテーションのために開発された。
論文 参考訳（メタデータ） (2021-11-22T22:56:14Z) - Improving Semi-Supervised and Domain-Adaptive Semantic Segmentation with
Self-Supervised Depth Estimation [94.16816278191477]
本稿では,セミアダプティブなセマンティックセマンティックセマンティックセグメンテーションのためのフレームワークを提案する。
ラベルのない画像シーケンスでのみ訓練された自己教師付き単眼深度推定によって強化される。
提案したモデルをCityscapesデータセット上で検証する。
論文 参考訳（メタデータ） (2021-08-28T01:33:38Z) - SegmentMeIfYouCan: A Benchmark for Anomaly Segmentation [111.61261419566908]
ディープニューラルネットワーク(DNN)は通常、閉集合のセマンティッククラスで訓練される。
未発見のオブジェクトを扱うには不備だ。
このような物体の検出と局在化は、自動運転の認識などの安全クリティカルなアプリケーションに不可欠です。
論文 参考訳（メタデータ） (2021-04-30T07:58:19Z) - Saliency Enhancement using Gradient Domain Edges Merging [65.90255950853674]
本研究では,エッジとサリエンシマップをマージして,サリエンシマップの性能を向上させる手法を開発した。
これにより、DUT-OMRONデータセットの少なくとも3.4倍の平均的な改善により、エッジ(SEE)を使用したサリエンシ向上が提案された。
SEEアルゴリズムは前処理のためのSEE-Preと後処理のためのSEE-Postの2つの部分に分けられる。
論文 参考訳（メタデータ） (2020-02-11T14:04:56Z)
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。