論文の概要: MFNet: Multi-filter Directive Network for Weakly Supervised Salient Object Detection

• arxiv url: http://arxiv.org/abs/2112.01732v1
• Date: Fri, 3 Dec 2021 06:12:42 GMT
• ステータス: 処理完了
• システム内更新日: 2021-12-06 15:52:57.362053
• Title: MFNet: Multi-filter Directive Network for Weakly Supervised Salient Object Detection
• Title（参考訳）: MFNet: 弱監視された有意物体検出のためのマルチフィルタディレクティブネットワーク
• Authors: Yongri Piao, Jian Wang, Miao Zhang, Huchuan Lu
• Abstract要約: 安価なアノテーションのみを使用して、CNNベースのサリエンシネットワークをトレーニングするための、弱教師付きサリエントオブジェクト検出(WSOD)ターゲット。 既存のWSOD手法は、低コストなアノテーションから単一の「高品質」擬似ラベルを追求し、それらのサリエンシネットワークを開発するために様々な手法を採用している。 我々は,複数のラベルからより包括的で正確なサリエンシ・キューを統合するために,新しいマルチ擬似ラベルフレームワークを導入する。
• 参考スコア（独自算出の注目度）: 104.0177412274975
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Weakly supervised salient object detection (WSOD) targets to train a CNNs-based saliency network using only low-cost annotations. Existing WSOD methods take various techniques to pursue single "high-quality" pseudo label from low-cost annotations and then develop their saliency networks. Though these methods have achieved good performance, the generated single label is inevitably affected by adopted refinement algorithms and shows prejudiced characteristics which further influence the saliency networks. In this work, we introduce a new multiple-pseudo-label framework to integrate more comprehensive and accurate saliency cues from multiple labels, avoiding the aforementioned problem. Specifically, we propose a multi-filter directive network (MFNet) including a saliency network as well as multiple directive filters. The directive filter (DF) is designed to extract and filter more accurate saliency cues from the noisy pseudo labels. The multiple accurate cues from multiple DFs are then simultaneously propagated to the saliency network with a multi-guidance loss. Extensive experiments on five datasets over four metrics demonstrate that our method outperforms all the existing congeneric methods. Moreover, it is also worth noting that our framework is flexible enough to apply to existing methods and improve their performance.
• Abstract（参考訳）: 弱い教師付きsalient object detection (wsod)ターゲットは、低コストのアノテーションのみを使用してcnnsベースのsaliencyネットワークを訓練する。 既存のwsodメソッドは、低コストのアノテーションから単一の"高品質"の擬似ラベルを追求し、彼らの塩分ネットワークを開発するために様々な技術を用いる。 これらの手法は優れた性能を示したが、生成したシングルラベルは必然的に改良アルゴリズムの影響を受けず、よりサリエンシネットワークに影響を及ぼす偏見特性を示す。 本稿では,複数のラベルからより包括的かつ正確なサリエンシーを抽出し,上記の問題を回避するための,新たなマルチプセドラベルフレームワークを提案する。 具体的には,saliency networkと複数のディレクティブフィルタを含むマルチフィルタディレクティブネットワーク(mfnet)を提案する。 ディレクティブフィルタ(DF)は、ノイズの多い擬似ラベルからより正確なサリエンシキューを抽出してフィルタリングするように設計されている。 複数のdfからの複数の正確な手がかりが同時に、マルチガイド損失を伴うサリエンシーネットワークに伝播される。 4つのメトリクスにまたがる5つのデータセットに関する広範囲な実験により、この手法が既存の全てのコジェネリックメソッドよりも優れていることが証明された。 さらに、私たちのフレームワークが既存のメソッドに適用し、パフォーマンスを向上させるのに十分な柔軟性があることにも注目すべきです。

関連論文リスト

• CasDyF-Net: Image Dehazing via Cascaded Dynamic Filters [0.0]
  イメージデハジングは、大気の散乱と吸収効果を低減し、画像の明瞭さと視覚的品質を回復することを目的としている。 動的フィルタリングに着想を得て,マルチブランチネットワークを構築するためにカスケード動的フィルタを提案する。 RESIDE、Haze4K、O-Hazeのデータセットの実験は、我々の方法の有効性を検証する。
  論文  参考訳（メタデータ） (2024-09-13T03:20:38Z)
• A Weakly Supervised Learning Framework for Salient Object Detection via Hybrid Labels [96.56299163691979]
  本稿では,ハイブリッドラベル下でのSODタスクに焦点をあてる。 このタスクにおけるラベルノイズと量不均衡の問題に対処するため、我々は3つの洗練されたトレーニング戦略を持つ新しいパイプラインフレームワークを設計する。 5つのSODベンチマーク実験により,本手法は弱教師付き/非教師付き手法と競合する性能を示した。
  論文  参考訳（メタデータ） (2022-09-07T06:45:39Z)
• Multi-Source Domain Adaptation for Object Detection [52.87890831055648]
  我々は、Divide-and-Merge Spindle Network (DMSN)と呼ばれる、より高速なR-CNNベースのフレームワークを提案する。 DMSNはドメイン非ネイティブを同時に強化し、識別力を維持することができる。 擬似目標部分集合の最適パラメータを近似する新しい擬似学習アルゴリズムを開発した。
  論文  参考訳（メタデータ） (2021-06-30T03:17:20Z)
• Manifold Regularized Dynamic Network Pruning [102.24146031250034]
  本稿では,全インスタンスの多様体情報をプルーンドネットワークの空間に埋め込むことにより,冗長フィルタを動的に除去する新しいパラダイムを提案する。 提案手法の有効性をいくつかのベンチマークで検証し,精度と計算コストの両面で優れた性能を示す。
  論文  参考訳（メタデータ） (2021-03-10T03:59:03Z)
• ESPN: Extremely Sparse Pruned Networks [50.436905934791035]
  簡単な反復マスク探索法により,非常に深いネットワークの最先端の圧縮を実現することができることを示す。 本アルゴリズムは,シングルショット・ネットワーク・プルーニング法とロッテ・ティケット方式のハイブリッド・アプローチを示す。
  論文  参考訳（メタデータ） (2020-06-28T23:09:27Z)
• Rethinking Differentiable Search for Mixed-Precision Neural Networks [83.55785779504868]
  低ビット幅に量子化された重みとアクティベーションを持つ低精度ネットワークは、エッジデバイスでの推論を加速するために広く利用されている。 現在の解は均一であり、全てのフィルタに同じビット幅を使用する。 これは異なるフィルタの異なる感度を考慮せず、最適以下である。 混合精度ネットワークは、ビット幅を個々のフィルタ要求に調整することでこの問題に対処する。
  論文  参考訳（メタデータ） (2020-04-13T07:02:23Z)
• Attribute2vec: Deep Network Embedding Through Multi-Filtering GCN [10.860740815185489]
  ネットワーク埋め込みタスクのためのマルチフィルタグラフ畳み込みニューラルネットワーク(GCN)フレームワークを提案する。 複数のローカルGCNフィルタを使用して、各伝搬層で特徴抽出を行う。
  論文  参考訳（メタデータ） (2020-04-03T05:06:16Z)

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。