論文の概要: Improving Camouflaged Object Detection with the Uncertainty of
Pseudo-edge Labels
- arxiv url: http://arxiv.org/abs/2110.15606v1
- Date: Fri, 29 Oct 2021 08:15:47 GMT
- ステータス: 処理完了
- システム内更新日: 2021-11-01 14:33:06.342015
- Title: Improving Camouflaged Object Detection with the Uncertainty of
Pseudo-edge Labels
- Title(参考訳): 擬似端ラベルの不確かさによるカモフラージュ物体検出の改善
- Authors: Nobukatsu Kajiura, Hong Liu, Shin'ichi Satoh
- Abstract要約: 本稿では,背景に隠された物体を検出するタスクであるCOD(camouflaged object detection)に焦点を当てた。
予測されたカモフラージュマップを改良するために,複数の視覚的手がかり,すなわち有意性,エッジをフル活用する新しいフレームワークを提案する。
各種CODデータセットに対する実験により,既存の最先端手法よりも優れた性能で本手法の有効性が示された。
- 参考スコア(独自算出の注目度): 43.948627323889774
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This paper focuses on camouflaged object detection (COD), which is a task to
detect objects hidden in the background. Most of the current COD models aim to
highlight the target object directly while outputting ambiguous camouflaged
boundaries. On the other hand, the performance of the models considering edge
information is not yet satisfactory. To this end, we propose a new framework
that makes full use of multiple visual cues, i.e., saliency as well as edges,
to refine the predicted camouflaged map. This framework consists of three key
components, i.e., a pseudo-edge generator, a pseudo-map generator, and an
uncertainty-aware refinement module. In particular, the pseudo-edge generator
estimates the boundary that outputs the pseudo-edge label, and the conventional
COD method serves as the pseudo-map generator that outputs the pseudo-map
label. Then, we propose an uncertainty-based module to reduce the uncertainty
and noise of such two pseudo labels, which takes both pseudo labels as input
and outputs an edge-accurate camouflaged map. Experiments on various COD
datasets demonstrate the effectiveness of our method with superior performance
to the existing state-of-the-art methods.
- Abstract(参考訳): 本稿では,背景に隠された物体を検出するタスクであるCOD(camouflaged object detection)に焦点を当てた。
現在のCODモデルは、曖昧なカモフラージュ境界を出力しながら、ターゲットオブジェクトを直接ハイライトすることを目的としている。
一方,エッジ情報を考慮したモデルの性能はまだ十分ではない。
そこで本研究では,複数の視覚的手がかり,すなわち有意性やエッジをフル活用して,予測されたカモフラージュマップを改良するフレームワークを提案する。
このフレームワークは、3つのキーコンポーネント、すなわち擬似エッジジェネレータ、擬似マップジェネレータ、不確実性認識モジュールで構成されている。
特に、擬似エッジ生成器は擬似エッジラベルを出力する境界を推定し、従来のCOD法は擬似マップラベルを出力する擬似マップ生成器として機能する。
そこで我々は,これら2つの擬似ラベルの不確実性とノイズを低減し,擬似ラベルを入力とし,エッジ精度のカモフラージュマップを出力する不確実性に基づくモジュールを提案する。
各種CODデータセットに対する実験により,既存の最先端手法よりも優れた性能で本手法の有効性が示された。
関連論文リスト
- TrajSSL: Trajectory-Enhanced Semi-Supervised 3D Object Detection [59.498894868956306]
Pseudo-labeling approach to semi-supervised learning は教師-学生の枠組みを採用する。
我々は、事前学習した動き予測モデルを活用し、擬似ラベル付きデータに基づいて物体軌跡を生成する。
提案手法は2つの異なる方法で擬似ラベル品質を向上する。
論文 参考訳(メタデータ) (2024-09-17T05:35:00Z) - Decoupled Pseudo-labeling for Semi-Supervised Monocular 3D Object Detection [108.672972439282]
SSM3ODに対するDPL(decoupled pseudo-labeling)アプローチを提案する。
提案手法は,擬似ラベルを効率的に生成するためのDPGモジュールを特徴とする。
また,擬似ラベルの雑音深度監視による最適化競合を軽減するために,DGPモジュールを提案する。
論文 参考訳(メタデータ) (2024-03-26T05:12:18Z) - GLENet: Boosting 3D Object Detectors with Generative Label Uncertainty Estimation [70.75100533512021]
本稿では,対象物の潜在的可算有界箱の多様性として,ラベルの不確実性問題を定式化する。
本稿では,条件付き変分オートエンコーダを応用した生成フレームワークであるGLENetを提案する。
GLENetが生成するラベルの不確実性はプラグアンドプレイモジュールであり、既存のディープ3D検出器に便利に統合することができる。
論文 参考訳(メタデータ) (2022-07-06T06:26:17Z) - Weakly-Supervised Salient Object Detection Using Point Supervison [17.88596733603456]
現在の最先端の精度検出モデルは、正確なピクセル単位のアノテーションの大規模なデータセットに大きく依存している。
本稿では,ポイント・インスペクタを用いた弱教師付きサルエント・オブジェクト検出手法を提案する。
我々の手法は、より強い監督力で訓練された従来の最先端の手法よりも優れています。
論文 参考訳(メタデータ) (2022-03-22T12:16:05Z) - PseudoProp: Robust Pseudo-Label Generation for Semi-Supervised Object
Detection in Autonomous Driving Systems [42.51709009844805]
本稿では,映像フレームにおける動きの連続性を利用して,ロバストな擬似ラベルを生成する手法を提案する。
提案手法は,mAP75において,最先端の半教師対象検出手法を7.4%向上させる。
論文 参考訳(メタデータ) (2022-03-11T15:09:29Z) - Scribble-based Boundary-aware Network for Weakly Supervised Salient
Object Detection in Remote Sensing Images [10.628932392896374]
スパース・スクリブル・アノテーションからリモートセンシング画像の正当性を予測するために,弱教師付きサルエント・オブジェクト検出フレームワークを提案する。
具体的には,高信頼度オブジェクト境界 (擬似) ラベルによって明示的に制御されるオブジェクト境界意味論を探索する境界対応モジュール (BAM) を設計する。
次に,境界セマンティクスを高次特徴と統合し,スクリブルラベルの監督下での健全な物体検出を誘導する。
論文 参考訳(メタデータ) (2022-02-07T20:32:21Z) - Unsupervised Object Detection with LiDAR Clues [70.73881791310495]
本稿では,LiDARの手がかりを用いた非教師対象検出のための最初の実用的手法を提案する。
提案手法では,まず3次元点雲に基づく候補オブジェクトセグメントを生成する。
そして、セグメントラベルを割り当て、セグメントラベルネットワークを訓練する反復的なセグメントラベル処理を行う。
ラベル付けプロセスは、長い尾とオープンエンドの分布の問題を軽減するために慎重に設計されている。
論文 参考訳(メタデータ) (2020-11-25T18:59:54Z) - EHSOD: CAM-Guided End-to-end Hybrid-Supervised Object Detection with
Cascade Refinement [53.69674636044927]
本稿では,エンド・ツー・エンドのハイブリッド型オブジェクト検出システムであるEHSODについて述べる。
完全なアノテートと弱いアノテートの両方で、ワンショットでトレーニングすることができる。
完全なアノテートされたデータの30%しか持たない複数のオブジェクト検出ベンチマークで、同等の結果が得られる。
論文 参考訳(メタデータ) (2020-02-18T08:04:58Z)
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。