論文の概要: Weak-shot Semantic Segmentation by Transferring Semantic Affinity and Boundary

• arxiv url: http://arxiv.org/abs/2110.01519v1
• Date: Mon, 4 Oct 2021 15:37:25 GMT
• ステータス: 処理完了
• システム内更新日: 2021-10-05 15:28:55.418570
• Title: Weak-shot Semantic Segmentation by Transferring Semantic Affinity and Boundary
• Title（参考訳）: 意味親和性と境界の移譲による弱ショットセマンティックセマンティックセグメンテーション
• Authors: Siyuan Zhou and Li Niu and Jianlou Si and Chen Qian and Liqing Zhang
• Abstract要約: 既存の完全アノテーション付きベースカテゴリは,画像レベルのラベルのみを持つ新しいカテゴリのセグメンテーションオブジェクトとして有効であることを示す。 本稿では,WSSSフレームワークを用いて,セマンティック親和性と境界を基本カテゴリから新しいカテゴリへ伝達する手法を提案する。
• 参考スコア（独自算出の注目度）: 23.331708585468814
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Weakly-supervised semantic segmentation (WSSS) with image-level labels has been widely studied to relieve the annotation burden of the traditional segmentation task. In this paper, we show that existing fully-annotated base categories can help segment objects of novel categories with only image-level labels, even if base and novel categories have no overlap. We refer to this task as weak-shot semantic segmentation, which could also be treated as WSSS with auxiliary fully-annotated categories. Recent advanced WSSS methods usually obtain class activation maps (CAMs) and refine them by affinity propagation. Based on the observation that semantic affinity and boundary are class-agnostic, we propose a method under the WSSS framework to transfer semantic affinity and boundary from base categories to novel ones. As a result, we find that pixel-level annotation of base categories can facilitate affinity learning and propagation, leading to higher-quality CAMs of novel categories. Extensive experiments on PASCAL VOC 2012 dataset demonstrate that our method significantly outperforms WSSS baselines on novel categories.
• Abstract（参考訳）: 画像レベルのラベルを持つ弱教師付きセマンティックセグメンテーション(WSSS)は,従来のセグメンテーションタスクのアノテーション負担を軽減するために広く研究されている。 本稿では,既存の完全注釈付きベースカテゴリが,ベースカテゴリと新規カテゴリが重複しない場合でも,画像レベルラベルのみを用いた新規カテゴリのオブジェクトのセグメンテーションを支援することを示す。 私たちは、このタスクを弱いショットセマンティックセグメンテーションと呼び、補助的な完全アノテートカテゴリを持つwssとして扱うこともできる。 最近のWSSS法は、通常、クラスアクティベーションマップ(CAM)を取得し、親和性伝播によってそれらを洗練する。 セマンティック親和性と境界がクラスに依存しないという観察に基づいて,WSSSフレームワークに基づくセマンティック親和性と境界を基本カテゴリから新規なものに伝達する手法を提案する。 その結果,基本カテゴリの画素レベルのアノテーションは親和性学習や伝播を促進することができ,新たなカテゴリの高品質なCAMに繋がることがわかった。 PASCAL VOC 2012データセットの大規模な実験により,本手法は新たなカテゴリにおけるWSSSベースラインを大幅に上回っていることが示された。

関連論文リスト

• Auxiliary Tasks Enhanced Dual-affinity Learning for Weakly Supervised Semantic Segmentation [79.05949524349005]
  AuxSegNet+は、サリエンシマップから豊富な情報を探索する弱教師付き補助学習フレームワークである。 また,サリエンシとセグメンテーションの特徴マップから画素レベルの親和性を学習するためのクロスタスク親和性学習機構を提案する。
  論文  参考訳（メタデータ） (2024-03-02T10:03:21Z)
• Contrastive Bootstrapping for Label Refinement [34.55195008779178]
  通路のラベルを反復的に洗練するための軽量なコントラストクラスタリングに基づくブートストラップ法を提案する。 NYTと20Newsの実験は、我々の手法が最先端の手法よりも大きなマージンで優れていることを示している。
  論文  参考訳（メタデータ） (2023-06-07T15:49:04Z)
• Advancing Incremental Few-shot Semantic Segmentation via Semantic-guided Relation Alignment and Adaptation [98.51938442785179]
  増分的な数ショットセマンティックセマンティックセマンティクスは、セマンティクスセマンティクスモデルを新しいクラスに漸進的に拡張することを目的としている。 このタスクは、データ不均衡のため、ベースクラスと新しいクラスの間で深刻な意味認識の問題に直面します。 本稿では,従来の意味情報のガイダンスを完全に考慮した意味誘導型関係調整適応法を提案する。
  論文  参考訳（メタデータ） (2023-05-18T10:40:52Z)
• SLAM: Semantic Learning based Activation Map for Weakly Supervised Semantic Segmentation [34.996841532954925]
  SLAM(Semantic Learning based Activation Map)と呼ばれるWSSSのための新しい意味学習ベースのフレームワークを提案する。 まず、各オブジェクトカテゴリのセマンティックスを学習し、入力画像からカテゴリ固有のセマンティック埋め込みを抽出する意味エンコーダを設計する。 アクティベーションマップの正確性、完全性、コンパクト性、整合性を保証するため、4つの損失関数、すなわち、カテゴリ地上、カテゴリ背景、アクティベーション正規化、一貫性損失が提案される。
  論文  参考訳（メタデータ） (2022-10-22T11:17:30Z)
• MuSCLe: A Multi-Strategy Contrastive Learning Framework for Weakly Supervised Semantic Segmentation [39.858844102571176]
  弱教師付きセマンティックセグメンテーション(WSSS)は、教師付きセマンティックセグメンテーション(SSS)メソッドで必要とされるピクセルレベルのアノテーションではなく、画像レベルのアノテーションのような弱いラベルに依存している。 本稿では,改良された特徴表現とWSSS性能を向上させるために,新しいマルチストラテジー・コントラスト学習(MuSCLe)フレームワークを提案する。
  論文  参考訳（メタデータ） (2022-01-18T14:38:50Z)
• Novel Class Discovery in Semantic Segmentation [104.30729847367104]
  セマンティックにおける新しいクラス発見(NCDSS)について紹介する。 ラベル付き非結合クラスの集合から事前の知識を与えられた新しいクラスを含むラベル付きイメージのセグメンテーションを目的としている。 NCDSSでは、オブジェクトと背景を区別し、画像内の複数のクラスの存在を処理する必要があります。 本稿では,エントロピーに基づく不確実性モデリングと自己学習(EUMS)フレームワークを提案し,ノイズの多い擬似ラベルを克服する。
  論文  参考訳（メタデータ） (2021-12-03T13:31:59Z)
• 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)
• Towards Novel Target Discovery Through Open-Set Domain Adaptation [73.81537683043206]
  オープンソースドメイン適応(OSDA)は、ターゲットドメインが外部のソースドメインでは観察できない新しいカテゴリのサンプルを含むと考えている。 対象領域に見られるカテゴリを正確に識別し,未知のカテゴリのセマンティクス特性を効果的に回復するための新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2021-05-06T04:22:29Z)
• Domain Adaptive Semantic Segmentation Using Weak Labels [115.16029641181669]
  本稿では,画像レベルの弱いラベルを持つセマンティックセグメンテーションにおけるドメイン適応のための新しいフレームワークを提案する。 ネットワークに特定のカテゴリへの参加を強制する弱いラベル分類モジュールを開発する。 実験では,UDAにおける既存の最先端技術に対する大幅な改善と,WDA設定における新たなベンチマークを示す。
  論文  参考訳（メタデータ） (2020-07-30T01:33:57Z)
• Joint Embedding of Words and Category Labels for Hierarchical Multi-label Text Classification [4.2750700546937335]
  階層的テキスト分類(HTC)は広く注目されており、幅広い応用の見通しがある。 本稿では,HTC の階層的微調整順序ニューロン LSTM (HFT-ONLSTM) に基づくテキストと親カテゴリの結合埋め込みを提案する。
  論文  参考訳（メタデータ） (2020-04-06T11:06:08Z)

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。