論文の概要: Beyond Semantic to Instance Segmentation: Weakly-Supervised Instance
Segmentation via Semantic Knowledge Transfer and Self-Refinement
- arxiv url: http://arxiv.org/abs/2109.09477v1
- Date: Mon, 20 Sep 2021 12:31:44 GMT
- ステータス: 処理完了
- システム内更新日: 2021-09-21 16:25:46.328450
- Title: Beyond Semantic to Instance Segmentation: Weakly-Supervised Instance
Segmentation via Semantic Knowledge Transfer and Self-Refinement
- Title（参考訳）: セマンティクスからインスタンスセグメンテーションまで - セマンティクス知識伝達と自己定義による弱教師付きインスタンスセグメンテーション
- Authors: Beomyoung Kim, Youngjoon Yoo, Chaeeun Rhee, Junmo Kim
- Abstract要約: イメージレベルのラベルのみを用いたインスタンスワイドなローカライゼーションは難しいため、弱教師付きインスタンスセグメンテーション(WSIS)はより難しい作業である。
本稿では、2つの革新的なコンポーネントからなる新しいアプローチを提案する。
まず、WSSSの知識をWSISに転送することで、擬似インスタンスラベルを得るための意味的知識伝達を設計する。
第2に,擬似インスタンスラベルを自己教師型スキームで洗練し,オンライン学習に活用する自己補充手法を提案する。
- 参考スコア（独自算出の注目度）: 31.42799434158569
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Recent weakly-supervised semantic segmentation (WSSS) has made remarkable
progress due to class-wise localization techniques using image-level labels.
Meanwhile, weakly-supervised instance segmentation (WSIS) is a more challenging
task because instance-wise localization using only image-level labels is quite
difficult. Consequently, most WSIS approaches exploit off-the-shelf proposal
technique that requires pre-training with high-level labels, deviating a fully
image-level supervised setting. Moreover, we focus on semantic drift problem,
$i.e.,$ missing instances in pseudo instance labels are categorized as
background class, occurring confusion between background and instance in
training. To this end, we propose a novel approach that consists of two
innovative components. First, we design a semantic knowledge transfer to obtain
pseudo instance labels by transferring the knowledge of WSSS to WSIS while
eliminating the need for off-the-shelf proposals. Second, we propose a
self-refinement method that refines the pseudo instance labels in a
self-supervised scheme and employs them to the training in an online manner
while resolving the semantic drift problem. The extensive experiments
demonstrate the effectiveness of our approach, and we outperform existing works
on PASCAL VOC2012 without any off-the-shelf proposal techniques. Furthermore,
our approach can be easily applied to the point-supervised setting, boosting
the performance with an economical annotation cost. The code will be available
soon.
- Abstract（参考訳）: 近年,画像レベルのラベルを用いたクラスワイドなセマンティックセマンティックセグメンテーション(WSSS)が顕著に進歩している。
一方、画像レベルのラベルのみを用いたインスタンスワイドなローカライゼーションは非常に難しいため、弱教師付きインスタンスセグメンテーション(WSIS)はより難しい課題である。
その結果、ほとんどのWSISアプローチは、フルイメージレベルの教師付き設定を逸脱し、高いレベルのラベルで事前トレーニングを必要とする、オフザシェルフ提案技術を活用する。
さらに,セマンティクスドリフト問題に注目し,擬似インスタンスラベルの$i.e.,$欠損インスタンスをバックグラウンドクラスとして分類し,トレーニング中のバックグラウンドとインスタンスの混同を発生させる。
そこで本研究では、2つの革新的なコンポーネントからなる新しいアプローチを提案する。
まず、WSSSの知識をWSISに転送し、既成の提案を不要にすることで、擬似インスタンスラベルを得るための意味的知識伝達を設計する。
第2に,仮想インスタンスラベルを自己教師付きスキームで洗練し,オンライン上での学習に活用し,意味的ドリフト問題を解消する自己定義手法を提案する。
広範な実験により,本手法の有効性が示され,本提案手法を使わずにpascal voc2012の既存成果を上回った。
さらに,提案手法はポイント教師付き設定に容易に適用でき,経済的なアノテーションコストで性能を向上できる。
コードはもうすぐ入手できる。
関連論文リスト
- HPL-ESS: Hybrid Pseudo-Labeling for Unsupervised Event-based Semantic Segmentation [47.271784693700845]
本稿では,教師なしイベントベースセマンティックセマンティックセグメンテーション(HPL-ESS)のためのハイブリッド擬似ラベルフレームワークを提案する。
提案手法は,DSEC-Semanticデータセットにおいて,既存の最先端手法よりも高い性能を示す。
論文 参考訳（メタデータ） (2024-03-25T14:02:33Z) - Semantic Contrastive Bootstrapping for Single-positive Multi-label
Recognition [36.3636416735057]
本研究では,意味的コントラスト型ブートストラップ法(Scob)を用いて,オブジェクト間の関係を徐々に回復する手法を提案する。
次に、アイコン的オブジェクトレベルの表現を抽出する再帰的セマンティックマスク変換器を提案する。
大規模な実験結果から,提案手法が最先端のモデルを超えていることが示唆された。
論文 参考訳（メタデータ） (2023-07-15T01:59:53Z) - Exploring Structured Semantic Prior for Multi Label Recognition with
Incomplete Labels [60.675714333081466]
不完全なラベルを持つマルチラベル認識(MLR)は非常に難しい。
最近の研究は、視覚言語モデルであるCLIPにおける画像とラベルの対応を探り、不十分なアノテーションを補うことを目指している。
我々は,MLRにおけるラベル管理の欠如を,構造化されたセマンティクスを導出することにより,不完全なラベルで修復することを提唱する。
論文 参考訳（メタデータ） (2023-03-23T12:39:20Z) - LESS: Label-Efficient Semantic Segmentation for LiDAR Point Clouds [62.49198183539889]
我々は,LiDAR点雲を用いた屋外シーンのためのラベル効率のよいセマンティックセマンティックセマンティクスパイプラインを提案する。
本手法は,半弱教師付き学習を用いて,効率的なラベリング手法を設計する。
提案手法は,100%ラベル付き完全教師付き手法と比較して,さらに競争力が高い。
論文 参考訳（メタデータ） (2022-10-14T19:13:36Z) - Continual Coarse-to-Fine Domain Adaptation in Semantic Segmentation [22.366638308792734]
ディープニューラルネットワークは通常、特定のタスクとデータ分散のために、単一のショットでトレーニングされる。
実際の環境では、タスクとアプリケーションドメインの両方が変更される可能性がある。
本稿では,ドメインシフトが存在する場合のセマンティックセグメンテーションアーキテクチャの粗大な学習という新たな課題を紹介する。
論文 参考訳（メタデータ） (2022-01-18T13:31:19Z) - Learning to Detect Instance-level Salient Objects Using Complementary
Image Labels [55.049347205603304]
本報告では,本問題に対する第1の弱教師付きアプローチを提案する。
本稿では,候補対象の特定にクラス整合性情報を活用するSaliency Detection Branch,オブジェクト境界をデライン化するためにクラス整合性情報を利用するBundary Detection Branch,サブティナイズ情報を用いたCentroid Detection Branchを提案する。
論文 参考訳（メタデータ） (2021-11-19T10:15:22Z) - Simpler Does It: Generating Semantic Labels with Objectness Guidance [32.81128493853064]
本稿では、画像のトレーニングのための擬似ラベルを生成する新しいフレームワークについて述べる。
擬似ラベルを生成するには、(i)オブジェクトライクな領域を認識することを学習するクラス非依存のオブジェクトネスネットワーク、(ii)イメージレベルまたはバウンディングボックスアノテーションのいずれからの情報を組み合わせる。
本研究では,対象性ネットワークを自然に活用して,未知のカテゴリに対して対象のような領域を生成する方法を示すことによって,アプローチの有効性を示す。
論文 参考訳（メタデータ） (2021-10-20T01:52:05Z) - Leveraging Auxiliary Tasks with Affinity Learning for Weakly Supervised
Semantic Segmentation [88.49669148290306]
そこで我々はAuxSegNetと呼ばれる弱教師付きマルチタスク・フレームワークを提案し,サリエンシ検出とマルチラベル画像分類を補助タスクとして活用する。
同様の構造的セマンティクスに着想を得て,サリエンシとセグメンテーションの表現から,クロスタスクなグローバル画素レベルの親和性マップを学習することを提案する。
学習されたクロスタスク親和性は、両方のタスクに対して改善された擬似ラベルを提供するために、唾液度予測を洗練し、CAMマップを伝播するために使用することができる。
論文 参考訳（メタデータ） (2021-07-25T11:39:58Z) - Dual-Refinement: Joint Label and Feature Refinement for Unsupervised
Domain Adaptive Person Re-Identification [51.98150752331922]
Unsupervised Domain Adaptive (UDA) Person Re-identification (再ID) は、ターゲットドメインデータのラベルが欠落しているため、難しい作業です。
オフラインクラスタリングフェーズにおける擬似ラベルとオンライントレーニングフェーズにおける特徴を共同で改良する,デュアルリファインメントと呼ばれる新しいアプローチを提案する。
本手法は最先端手法を大きなマージンで上回っている。
論文 参考訳（メタデータ） (2020-12-26T07:35:35Z) - Semi-supervised Active Learning for Instance Segmentation via Scoring
Predictions [25.408505612498423]
インスタンスセグメンテーションのための新規かつ原則的な半教師付きアクティブ学習フレームワークを提案する。
具体的には,クラス,バウンディングボックス,マスクの手がかりを明示的に評価するトリプレットスコア予測(tsp)という不確実性サンプリング戦略を提案する。
医用画像データセットを用いた結果から,提案手法が有意義な方法で利用可能なデータから知識を具現化することを示す。
論文 参考訳（メタデータ） (2020-12-09T02:36:52Z) - PseudoSeg: Designing Pseudo Labels for Semantic Segmentation [78.35515004654553]
ラベルなしまたは弱いラベル付きデータを用いたトレーニングのための構造化された擬似ラベルを生成するための擬似ラベルの再設計を提案する。
提案手法の有効性を,低データと高データの両方において示す。
論文 参考訳（メタデータ） (2020-10-19T17:59:30Z)
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。