論文の概要: Attention on Classification for Fire Segmentation

• arxiv url: http://arxiv.org/abs/2111.03129v1
• Date: Thu, 4 Nov 2021 19:52:49 GMT
• ステータス: 処理完了
• システム内更新日: 2021-11-09 03:51:45.905175
• Title: Attention on Classification for Fire Segmentation
• Title（参考訳）: 火災セグメンテーションの分類に関する留意事項
• Authors: Milad Niknejad, Alexandre Bernardino
• Abstract要約: 本稿では,画像中の火災の分類とセグメンテーションのための畳み込みニューラルネットワーク(CNN)を提案する。 我々は,空間的自己認識機構を用いて画素間の長距離依存性を捉えるとともに,分類確率を注目重みとして利用する新しいチャネルアテンションモジュールを提案する。
• 参考スコア（独自算出の注目度）: 82.75113406937194
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Detection and localization of fire in images and videos are important in tackling fire incidents. Although semantic segmentation methods can be used to indicate the location of pixels with fire in the images, their predictions are localized, and they often fail to consider global information of the existence of fire in the image which is implicit in the image labels. We propose a Convolutional Neural Network (CNN) for joint classification and segmentation of fire in images which improves the performance of the fire segmentation. We use a spatial self-attention mechanism to capture long-range dependency between pixels, and a new channel attention module which uses the classification probability as an attention weight. The network is jointly trained for both segmentation and classification, leading to improvement in the performance of the single-task image segmentation methods, and the previous methods proposed for fire segmentation.
• Abstract（参考訳）: 映像やビデオにおける火災の検出と位置決めは,火災の対処に重要である。 セマンティックセグメンテーション法は、画像中の火のついたピクセルの位置を示すために用いられるが、それらの予測は局所化されており、画像ラベルに暗黙的な画像中の火の存在のグローバルな情報を考えることができないことが多い。 本稿では, 画像中の火の連成分類とセグメンテーションのための畳み込みニューラルネットワーク(CNN)を提案し, 火のセグメンテーションの性能を向上させる。 画素間の長距離依存性を捉えるために,空間的自己追尾機構と,その分類確率を注意重みとして用いる新たなチャネルアテンションモジュールを用いる。 ネットワークはセグメンテーションと分類の両方のために共同で訓練されており、シングルタスク画像セグメンテーション法の性能改善と、ファイアセグメンテーションのために提案された以前の手法が提案されている。

関連論文リスト

• Learning Semantic Segmentation with Query Points Supervision on Aerial Images [57.09251327650334]
  セマンティックセグメンテーションアルゴリズムを学習するための弱教師付き学習アルゴリズムを提案する。 提案手法は正確なセマンティックセグメンテーションを行い,手作業のアノテーションに要するコストと時間を大幅に削減することで効率を向上する。
  論文  参考訳（メタデータ） (2023-09-11T14:32:04Z)
• Location-Aware Self-Supervised Transformers [74.76585889813207]
  画像部品の相対的な位置を予測し,セマンティックセグメンテーションのためのネットワークを事前訓練する。 参照パッチのサブセットを問合せのサブセットにマスキングすることで,タスクの難しさを制御します。 実験により,この位置認識事前学習が,いくつかの難解なセマンティックセグメンテーションベンチマークに競合する表現をもたらすことが示された。
  論文  参考訳（メタデータ） (2022-12-05T16:24:29Z)
• LEAD: Self-Supervised Landmark Estimation by Aligning Distributions of Feature Similarity [49.84167231111667]
  自己監督型ランドマーク検出における既存の研究は、画像から高密度(ピクセルレベルの)特徴表現を学習することに基づいている。 自己教師付き方式で高密度同変表現の学習を強化するアプローチを提案する。 機能抽出器にそのような先行性があることは,アノテーションの数が大幅に制限されている場合でも,ランドマーク検出に役立ちます。
  論文  参考訳（メタデータ） (2022-04-06T17:48:18Z)
• A Sneak Attack on Segmentation of Medical Images Using Deep Neural Network Classifiers [0.0]
  我々は、セグメンテーション問題にアプローチするために、訓練された畳み込みニューラルネットワーク(CNN)分類器を使用する。 勾配重み付きクラス活性化マッピング(Grad-CAM)によるヒートマップの可視化と生成 以上の結果から,温熱マップは部分腫瘍部位の特定と分画が可能であることが示唆された。
  論文  参考訳（メタデータ） (2022-01-08T05:57:26Z)
• Weakly-supervised fire segmentation by visualizing intermediate CNN layers [82.75113406937194]
  画像やビデオにおける火の局所化は、火災事故に対処するための自律システムにとって重要なステップである。 我々は,ネットワークのトレーニングに画像ラベルのみを使用する,画像中の火の弱い制御セグメント化について検討する。 CNNの中間層における特徴量の平均値は,2値セグメンテーション問題である火災セグメンテーションの場合,従来のクラスアクティベーションマッピング(CAM)法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2021-11-16T11:56:28Z)
• Maximize the Exploration of Congeneric Semantics for Weakly Supervised Semantic Segmentation [27.155133686127474]
  グラフニューラルネットワーク(P-GNN)を,同一のクラスラベルを含む異なる画像からの自己検出パッチに基づいて構築する。 PASCAL VOC 2012ベンチマークで実験を行い、そのモデルにより最先端の性能が得られた。
  論文  参考訳（メタデータ） (2021-10-08T08:59:16Z)
• Semantic Distribution-aware Contrastive Adaptation for Semantic Segmentation [50.621269117524925]
  ドメイン適応セマンティックセグメンテーション(ドメイン適応セマンティックセグメンテーション)とは、特定のソースドメインのアノテーションだけで特定のターゲットドメイン上で予測を行うことを指す。 画素ワイド表示アライメントを可能にする意味分布対応コントラスト適応アルゴリズムを提案する。 複数のベンチマークでSDCAを評価し、既存のアルゴリズムを大幅に改善します。
  論文  参考訳（メタデータ） (2021-05-11T13:21:25Z)
• Fire Threat Detection From Videos with Q-Rough Sets [0.0]
  火は人間の文明に多くの目的をもたらすが、その拡散が制御されないと同時に脅威になる可能性がある。 ここでは,火災の脅威を定量化できる教師なし手法の開発に着目する。 ここで定義されたすべての理論と指標は、異なる種類のファイアビデオで実験的に検証されている。
  論文  参考訳（メタデータ） (2021-01-21T06:29:36Z)
• Learning unbiased zero-shot semantic segmentation networks via transductive transfer [14.55508599873219]
  ゼロショットセマンティックセグメンテーションにおける予測バイアスを軽減するために, 簡単に実装可能なトランスダクティブ手法を提案する。 本手法は,全画素レベルのラベルを持つソースイメージと,未ラベルのターゲットイメージの両方をトレーニング中に利用できると仮定する。
  論文  参考訳（メタデータ） (2020-07-01T14:25:13Z)

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。