論文の概要: Towards Robust Part-aware Instance Segmentation for Industrial Bin Picking

• arxiv url: http://arxiv.org/abs/2203.02767v1
• Date: Sat, 5 Mar 2022 14:58:05 GMT
• ステータス: 処理完了
• システム内更新日: 2022-03-08 14:33:06.245571
• Title: Towards Robust Part-aware Instance Segmentation for Industrial Bin Picking
• Title（参考訳）: 産業用ビンピッキングのためのロバストなパートアウェアインスタンスセグメンテーション
• Authors: Yidan Feng, Biqi Yang, Xianzhi Li, Chi-Wing Fu, Rui Cao, Kai Chen, Qi Dou, Mingqiang Wei, Yun-Hui Liu, and Pheng-Ann Heng
• Abstract要約: 産業用ビンピッキングのための新しい部分認識型インスタンスセグメンテーションパイプラインを定式化する。 我々は、部品マスクと部品間オフセットを予測する部分認識ネットワークを設計し、続いて認識された部品をインスタンスに組み立てる部分集約モジュールを設計する。 このデータセットは、細く、非自明な形状の様々な産業オブジェクトを含む。
• 参考スコア（独自算出の注目度）: 113.79582950811348
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Industrial bin picking is a challenging task that requires accurate and robust segmentation of individual object instances. Particularly, industrial objects can have irregular shapes, that is, thin and concave, whereas in bin-picking scenarios, objects are often closely packed with strong occlusion. To address these challenges, we formulate a novel part-aware instance segmentation pipeline. The key idea is to decompose industrial objects into correlated approximate convex parts and enhance the object-level segmentation with part-level segmentation. We design a part-aware network to predict part masks and part-to-part offsets, followed by a part aggregation module to assemble the recognized parts into instances. To guide the network learning, we also propose an automatic label decoupling scheme to generate ground-truth part-level labels from instance-level labels. Finally, we contribute the first instance segmentation dataset, which contains a variety of industrial objects that are thin and have non-trivial shapes. Extensive experimental results on various industrial objects demonstrate that our method can achieve the best segmentation results compared with the state-of-the-art approaches.
• Abstract（参考訳）: 産業用ビンピッキングは、個々のオブジェクトインスタンスの正確かつ堅牢なセグメンテーションを必要とする困難なタスクである。 特に工業用物体は、細く凹凸な不規則な形状を持つことがあるが、ビンピッキングのシナリオでは、しばしば強い閉塞で密集している。 これらの課題に対処するために、新しい部分認識インスタンスセグメンテーションパイプラインを定式化する。 中心となる考え方は、工業オブジェクトを近似凸部に分解し、部分レベルセグメンテーションによるオブジェクトレベルのセグメンテーションを強化することである。 我々は、部品マスクと部品間オフセットを予測する部分認識ネットワークを設計し、続いて認識された部品をインスタンスに組み立てる部分集約モジュールを設計する。 また,ネットワーク学習を指導するために,インスタンスレベルラベルから基底部レベルラベルを生成する自動ラベル分離方式を提案する。 最後に、薄い、非自明な形状のさまざまな産業用オブジェクトを含む、最初のインスタンスセグメンテーションデータセットをコントリビュートします。 様々な産業分野における広範な実験結果から,本手法は最先端の手法と比較して,最適なセグメンテーション結果が得られることが示された。

関連論文リスト

• 1st Place Solution for MOSE Track in CVPR 2024 PVUW Workshop: Complex Video Object Segmentation [72.54357831350762]
  本稿では,ビデオオブジェクトのセグメンテーションモデルを提案する。 我々は大規模ビデオオブジェクトセグメンテーションデータセットを用いてモデルを訓練した。 我々のモデルは、複雑なビデオオブジェクトチャレンジのテストセットで1位(textbf84.45%)を達成した。
  論文  参考訳（メタデータ） (2024-06-07T03:13:46Z)
• Towards Open-World Segmentation of Parts [16.056921233445784]
  本稿では,クラスに依存しない部分分割タスクを提案する。 パートクラスなしでトレーニングされたモデルは、トレーニング時に見えない部分のローカライズとオブジェクトへのセグメンテーションを改善することができる、と私たちは主張する。 当社のアプローチでは,オープンワールドのパートセグメンテーションに向けた重要なステップとして,注目すべきかつ一貫した成果をあげています。
  論文  参考訳（メタデータ） (2023-05-26T10:34:58Z)
• Learning with Free Object Segments for Long-Tailed Instance Segmentation [15.563842274862314]
  インスタンスセグメントの豊富さは、オブジェクト中心のIm-ageから自由に得ることができる。 これらの知見に触発されて,これらの「自由」オブジェクトセグメントの抽出と活用を目的としたFreeSegを提案する。 FreeSegは、まれなオブジェクトカテゴリのセグメンテーションにおける最先端の精度を達成する。
  論文  参考訳（メタデータ） (2022-02-22T19:06:16Z)
• 3D Compositional Zero-shot Learning with DeCompositional Consensus [102.7571947144639]
  我々は、部分的知識は観察されたオブジェクトクラスを超えて構成可能であるべきだと論じる。 本稿では、視覚から見えないオブジェクトクラスへの部分一般化の問題として、3D合成ゼロショット学習を提案する。
  論文  参考訳（メタデータ） (2021-11-29T16:34:53Z)
• Object-Guided Instance Segmentation With Auxiliary Feature Refinement for Biological Images [58.914034295184685]
  サンプルセグメンテーションは、神経細胞相互作用の研究、植物の表現型化、細胞が薬物治療にどう反応するかを定量的に測定するなど、多くの生物学的応用において非常に重要である。 Boxベースのインスタンスセグメンテーションメソッドは、バウンディングボックスを介してオブジェクトをキャプチャし、各バウンディングボックス領域内で個々のセグメンテーションを実行する。 提案手法は,まずオブジェクトの中心点を検出し,そこから境界ボックスパラメータが予測される。 セグメンテーションブランチは、オブジェクト特徴をガイダンスとして再利用し、同じバウンディングボックス領域内の隣のオブジェクトからターゲットオブジェクトを分離する。
  論文  参考訳（メタデータ） (2021-06-14T04:35:36Z)
• SegmentMeIfYouCan: A Benchmark for Anomaly Segmentation [111.61261419566908]
  ディープニューラルネットワーク(DNN)は通常、閉集合のセマンティッククラスで訓練される。 未発見のオブジェクトを扱うには不備だ。 このような物体の検出と局在化は、自動運転の認識などの安全クリティカルなアプリケーションに不可欠です。
  論文  参考訳（メタデータ） (2021-04-30T07:58:19Z)
• Robust Instance Segmentation through Reasoning about Multi-Object Occlusion [9.536947328412198]
  本稿では,隠蔽に頑健な多目的インスタンスセグメンテーションのためのディープネットワークを提案する。 私たちの研究は、神経機能アクティベーションの生成モデルを学習し、オクローダの発見に役立てています。 特に、オブジェクトクラスとそのインスタンスおよびオクルーダーセグメンテーションのフィードフォワード予測を得る。
  論文  参考訳（メタデータ） (2020-12-03T17:41:55Z)
• Learning Panoptic Segmentation from Instance Contours [9.347742071428918]
  Panopticpixel は、背景 (stuff) とオブジェクト (things) のインスタンスをピクセルレベルで理解することを目的としている。 セマンティックセグメンテーション(レベル分類)とインスタンスセグメンテーションの別々のタスクを組み合わせて、単一の統合されたシーン理解タスクを構築する。 セマンティックセグメンテーションとインスタンス輪郭からインスタンスセグメンテーションを学習する完全畳み込みニューラルネットワークを提案する。
  論文  参考訳（メタデータ） (2020-10-16T03:05:48Z)
• Part-aware Prototype Network for Few-shot Semantic Segmentation [50.581647306020095]
  本稿では,プロトタイプ表現に基づく新規な数ショットセマンティックセマンティックセマンティクスフレームワークを提案する。 私たちのキーとなるアイデアは、全体論的なクラス表現を、部分認識型プロトタイプのセットに分解することです。 提案する部分認識型プロトタイプを生成・拡張する新しいグラフニューラルネットワークモデルを開発した。
  論文  参考訳（メタデータ） (2020-07-13T11:03:09Z)
• Instance segmentation of buildings using keypoints [26.220921532554136]
  本稿では,高分解能リモートセンシング画像におけるセグメンテーションを構築するための新しいインスタンスセグメンテーションネットワークを提案する。 検出されたキーポイントはその後、建物のセマンティック境界である閉ポリゴンとして再構成される。 我々のネットワークは、幾何学的詳細をよく保存できるボトムアップのインスタンスセグメンテーション手法である。
  論文  参考訳（メタデータ） (2020-06-06T13:11:37Z)

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。