論文の概要: MSP : Refine Boundary Segmentation via Multiscale Superpixel

• arxiv url: http://arxiv.org/abs/2112.01746v1
• Date: Fri, 3 Dec 2021 06:59:39 GMT
• ステータス: 処理完了
• システム内更新日: 2021-12-06 15:52:28.057980
• Title: MSP : Refine Boundary Segmentation via Multiscale Superpixel
• Title（参考訳）: MSP : マルチスケールスーパーピクセルによる境界セグメンテーション
• Authors: Jie Zhu, Huabin Huang, Banghuai Li, Yong Liu, Leye Wang
• Abstract要約: 本稿では,意味的セグメンテーション結果のバウンダリ品質を改善するための,シンプルだが効果的なメッセージパッシング手法を提案する。 スーパーピクセルブロックのシャープエッジにインスパイアされ,特徴マップ内の情報伝達を誘導するためにスーパーピクセルを用いる。 本手法はプラグイン・アンド・プレイモジュールとして機能し,任意のセグメンテーション・ネットワークに容易に挿入できる。
• 参考スコア（独自算出の注目度）: 13.988927797931892
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: In this paper, we propose a simple but effective message passing method to improve the boundary quality for the semantic segmentation result. Inspired by the generated sharp edges of superpixel blocks, we employ superpixel to guide the information passing within feature map. Simultaneously, the sharp boundaries of the blocks also restrict the message passing scope. Specifically, we average features that the superpixel block covers within feature map, and add the result back to each feature vector. Further, to obtain sharper edges and farther spatial dependence, we develop a multiscale superpixel module (MSP) by a cascade of different scales superpixel blocks. Our method can be served as a plug-and-play module and easily inserted into any segmentation network without introducing new parameters. Extensive experiments are conducted on three strong baselines, namely PSPNet, DeeplabV3, and DeepLabV3+, and four challenging scene parsing datasets including ADE20K, Cityscapes, PASCAL VOC, and PASCAL Context. The experimental results verify its effectiveness and generalizability.
• Abstract（参考訳）: 本稿では,意味セグメンテーション結果の境界品質を改善するための簡易かつ効果的なメッセージパッシング手法を提案する。 スーパーピクセルブロックのシャープエッジにインスパイアされ,特徴マップ内の情報伝達を誘導するためにスーパーピクセルを用いる。 同時に、ブロックの鋭い境界はメッセージパッシングスコープを制限します。 具体的には、スーパーピクセルブロックが特徴マップ内でカバーする平均的な特徴と、その結果を各特徴ベクトルに追加する。 さらに,よりシャープなエッジとより遠い空間依存性を得るために,異なるスケールのスーパーピクセルブロックのカスケードによるマルチスケールスーパーピクセルモジュール(MSP)を開発する。 本手法はプラグアンドプレイモジュールとして機能し,新たなパラメータを導入することなく任意のセグメンテーションネットワークに容易に挿入できる。 PSPNet、DeeplabV3、DeepLabV3+の3つの強力なベースラインと、ADE20K、Cityscapes、PASCAL VOC、PASCAL Contextを含む4つの挑戦的なシーン解析データセットで大規模な実験が行われた。 実験結果は,その有効性と一般化性を検証する。

関連論文リスト

• Deep Spherical Superpixels [1.104960878651584]
  DSS(Deep Spherical Superpixels)と呼ばれる全方位画像に適した,ディープラーニングに基づく最初のスーパーピクセルセグメンテーション手法を提案する。 提案手法は球面CNNアーキテクチャとスーパーピクセルのK平均クラスタリングパラダイムを利用して,球面形状に従うスーパーピクセルを生成する。
  論文  参考訳（メタデータ） (2024-07-24T15:27:21Z)
• Generalizable Entity Grounding via Assistance of Large Language Model [77.07759442298666]
  本稿では,長いキャプションから密接な視覚的実体を抽出する手法を提案する。 本研究では,意味代名詞の抽出に大規模なマルチモーダルモデル,エンティティレベルのセグメンテーションを生成するクラス-aセグメンテーションモデル,および各セグメンテーション名詞と対応するセグメンテーションマスクを関連付けるマルチモーダル特徴融合モジュールを利用する。
  論文  参考訳（メタデータ） (2024-02-04T16:06:05Z)
• PLU-Net: Extraction of multi-scale feature fusion [0.0]
  アラス空間ピラミッドプーリング(ASPP)とSqueeze-and-Excitation Block(SEブロック)を開発する。 また,より詳細な意味情報を得るために,ネットワークの下部に広範かつマルチスケールの受容場を利用するPSモジュールを提案する。 我々はPLU-Netを3つのベンチマークデータセットでテストし、その結果より少ないパラメータとFLOPで、医学的セマンティックセグメンテーションタスクよりも優れていることを示した。
  論文  参考訳（メタデータ） (2023-02-23T06:34:05Z)
• Efficient Multiscale Object-based Superpixel Framework [62.48475585798724]
  我々は,SICLE(Iterative CLEarcutting)によるスーパーピクセルという,新しいスーパーピクセルフレームワークを提案する。 SICLEは、複数スケールのセグメンテーションをオンザフライで生成できるオブジェクト情報を利用する。 これは最近のスーパーピクセル法を一般化し、複数のデライン化指標に従って効率と効率性に関する最先端のアプローチを超越している。
  論文  参考訳（メタデータ） (2022-04-07T15:59:38Z)
• Saliency Enhancement using Superpixel Similarity [77.34726150561087]
  Saliency Object Detection (SOD) は画像解析にいくつかの応用がある。 深層学習に基づくSOD法は最も効果的であるが、類似した色を持つ前景の部品を見逃すことがある。 スーパーピクセル類似性(SESS)に対するtextitSaliency Enhancement というポストプロセッシング手法を導入する。 我々は,SESSが5つの画像データセット上での3つのディープラーニングに基づくSOD手法の結果を連続的に,かつ著しく改善できることを実証した。
  論文  参考訳（メタデータ） (2021-12-01T17:22:54Z)
• BoundarySqueeze: Image Segmentation as Boundary Squeezing [104.43159799559464]
  本研究では,オブジェクトとシーンの微細な高画質画像分割のための新しい手法を提案する。 形態素画像処理技術による拡張と浸食に着想を得て,画素レベルのセグメンテーション問題をスクイーズ対象境界として扱う。 提案手法は,COCO,Cityscapesのインスタンス・セグメンテーション・セグメンテーション・セグメンテーションにおいて大きく向上し,同一条件下での精度・速度ともに従来のPointRendよりも優れていた。
  論文  参考訳（メタデータ） (2021-05-25T04:58:51Z)
• Implicit Integration of Superpixel Segmentation into Fully Convolutional Networks [11.696069523681178]
  スーパーピクセル方式をCNNに暗黙的に統合する方法を提案する。 提案手法では,下地層に画素を階層的にグループ化し,スーパーピクセルを生成する。 本手法は,セマンティックセグメンテーション,スーパーピクセルセグメンテーション,モノクル深度推定などのタスクで評価する。
  論文  参考訳（メタデータ） (2021-03-05T02:20:26Z)
• Feature Pyramid Network with Multi-Head Attention for Se-mantic Segmentation of Fine-Resolution Remotely Sensed Im-ages [4.869987958751064]
  我々は,低レベル機能と高レベル機能のギャップを埋めるために,機能ピラミッドネットワーク(fpn)を導入する。 本研究では,ファインレゾリューションリモートセンシング画像のセマンティックセグメンテーションのためのマルチヘッドアテンション(FPN-MHA)を備えた特徴ピラミッドネットワークを提案する。
  論文  参考訳（メタデータ） (2021-02-16T07:54:19Z)
• AINet: Association Implantation for Superpixel Segmentation [82.21559299694555]
  今回提案する新しいtextbfAssociation textbfImplantation(AI)モジュールは、ネットワークがピクセルとその周辺グリッド間の関係を明示的にキャプチャすることを可能にする。 本手法は最先端性能を実現するだけでなく,十分な推論効率を維持することができた。
  論文  参考訳（メタデータ） (2021-01-26T10:40:13Z)
• Superpixel Segmentation Based on Spatially Constrained Subspace Clustering [57.76302397774641]
  独立意味情報を持つ各代表領域を部分空間とみなし,部分空間クラスタリング問題としてスーパーピクセルセグメンテーションを定式化する。 従来のサブスペースクラスタリングとスーパーピクセルセグメンテーションの簡単な統合は,画素の空間相関のために効果的に機能しないことを示す。 本稿では,空間隣接画素に類似の属性を付加してスーパーピクセルにクラスタリング可能な,凸局所性制約付きサブスペースクラスタリングモデルを提案する。
  論文  参考訳（メタデータ） (2020-12-11T06:18:36Z)

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。