論文の概要: Weakly-supervised fire segmentation by visualizing intermediate CNN layers

• arxiv url: http://arxiv.org/abs/2111.08401v1
• Date: Tue, 16 Nov 2021 11:56:28 GMT
• ステータス: 処理完了
• システム内更新日: 2021-11-17 22:52:29.257211
• Title: Weakly-supervised fire segmentation by visualizing intermediate CNN layers
• Title（参考訳）: 中間CNN層を可視化した弱監視火器セグメンテーション
• Authors: Milad Niknejad, Alexandre Bernardino
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 82.75113406937194
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Fire localization in images and videos is an important step for an autonomous system to combat fire incidents. State-of-art image segmentation methods based on deep neural networks require a large number of pixel-annotated samples to train Convolutional Neural Networks (CNNs) in a fully-supervised manner. In this paper, we consider weakly supervised segmentation of fire in images, in which only image labels are used to train the network. We show that in the case of fire segmentation, which is a binary segmentation problem, the mean value of features in a mid-layer of classification CNN can perform better than conventional Class Activation Mapping (CAM) method. We also propose to further improve the segmentation accuracy by adding a rotation equivariant regularization loss on the features of the last convolutional layer. Our results show noticeable improvements over baseline method for weakly-supervised fire segmentation.
• Abstract（参考訳）: 画像やビデオにおける火災の局在化は、火災のインシデントに対処する自律システムにとって重要なステップである。 ディープニューラルネットワークに基づく最先端の画像セグメンテーション手法は、完全に教師された方法で畳み込みニューラルネットワーク(CNN)を訓練するために、多数のピクセルアノテーションのサンプルを必要とする。 本稿では,ネットワークの訓練に画像ラベルのみを使用する画像における火の弱教師付きセグメンテーションについて考察する。 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。 また, 最後の畳み込み層の特徴に回転同変正規化損失を加えることにより, セグメント化精度をさらに向上させる。 その結果, 弱教師付き火災セグメンテーションに対するベースライン法よりも顕著に改善が見られた。

関連論文リスト

• 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)
• Attention on Classification for Fire Segmentation [82.75113406937194]
  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。
  論文  参考訳（メタデータ） (2021-11-04T19:52:49Z)
• New SAR target recognition based on YOLO and very deep multi-canonical correlation analysis [0.1503974529275767]
  本稿では,異なるCNN層から有効な特徴を適応的に融合させることにより,SAR画像ターゲット分類のためのロバストな特徴抽出手法を提案する。 MSTARデータセットの実験により,提案手法が最先端手法より優れていることが示された。
  論文  参考訳（メタデータ） (2021-10-28T18:10:26Z)
• Local Critic Training for Model-Parallel Learning of Deep Neural Networks [94.69202357137452]
  そこで我々は,局所的批判訓練と呼ばれる新しいモデル並列学習手法を提案する。 提案手法は,畳み込みニューラルネットワーク(CNN)とリカレントニューラルネットワーク(RNN)の両方において,階層群の更新プロセスの分離に成功したことを示す。 また,提案手法によりトレーニングされたネットワークを構造最適化に利用できることを示す。
  論文  参考訳（メタデータ） (2021-02-03T09:30:45Z)
• Group-Wise Semantic Mining for Weakly Supervised Semantic Segmentation [49.90178055521207]
  この研究は、画像レベルのアノテーションとピクセルレベルのセグメンテーションのギャップを埋めることを目標に、弱い監督されたセマンティックセグメンテーション(WSSS)に対処する。 画像群における意味的依存関係を明示的にモデル化し,より信頼性の高い擬似的基盤構造を推定する,新たなグループ学習タスクとしてWSSSを定式化する。 特に、入力画像がグラフノードとして表現されるグループ単位のセマンティックマイニングのためのグラフニューラルネットワーク(GNN)を考案する。
  論文  参考訳（メタデータ） (2020-12-09T12:40:13Z)
• Region Growing with Convolutional Neural Networks for Biomedical Image Segmentation [1.5469452301122177]
  本稿では,各座標方向の予測マスク領域を反復的に成長させることにより,畳み込みニューラルネットワーク(CNN)を用いてセグメンテーションを行う手法を提案する。 我々は、CNNの確率スコアのしきい値を用いて、その領域にピクセルが追加され、その領域に新しいピクセルが加わらないまで繰り返し続けるかどうかを判定する。 本手法は,少量のトレーニングデータを活用するとともに,計算効率を保ちながら,高いセグメンテーション精度を達成し,生物学的に現実的な形態的特徴を維持できる。
  論文  参考訳（メタデータ） (2020-09-23T17:53:00Z)
• Learning CNN filters from user-drawn image markers for coconut-tree image classification [78.42152902652215]
  本稿では,CNNの特徴抽出器を訓練するために,最小限のユーザ選択画像を必要とする手法を提案する。 本手法は,クラスを識別する画像領域のユーザ描画マーカーから,各畳み込み層のフィルタを学習する。 バックプロパゲーションに基づく最適化には依存せず、ココナッツツリー空中画像のバイナリ分類にその利点を実証する。
  論文  参考訳（メタデータ） (2020-08-08T15:50:23Z)
• CRNet: Cross-Reference Networks for Few-Shot Segmentation [59.85183776573642]
  少ないショットセグメンテーションは、少数のトレーニングイメージを持つ新しいクラスに一般化できるセグメンテーションモデルを学ぶことを目的としている。 相互参照機構により、我々のネットワークは2つの画像に共起する物体をよりよく見つけることができる。 PASCAL VOC 2012データセットの実験は、我々のネットワークが最先端のパフォーマンスを達成することを示す。
  論文  参考訳（メタデータ） (2020-03-24T04:55:43Z)
• Medical Image Segmentation via Unsupervised Convolutional Neural Network [1.6396833577035679]
  半教師なしまたは非教師付きで訓練可能な,新しい学習ベースセグメンテーションモデルを提案する。 我々は畳み込みニューラルネットワーク(ConvNet)を介してエッジのないアクティブ輪郭(ACWE)フレームワークをパラメータ化する。 本手法は単一光子放射CT(SPECT)画像の文脈で高速で高品質な骨分割を実現する。
  論文  参考訳（メタデータ） (2020-01-28T03:56:42Z)

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。