論文の概要: Semantic Segmentation for Thermal Images: A Comparative Survey

• arxiv url: http://arxiv.org/abs/2205.13278v1
• Date: Thu, 26 May 2022 11:32:15 GMT
• ステータス: 処理完了
• システム内更新日: 2022-05-28 00:09:54.771221
• Title: Semantic Segmentation for Thermal Images: A Comparative Survey
• Title（参考訳）: 熱画像における意味セグメンテーション:比較調査
• Authors: Z\"ulfiye K\"ut\"uk, G\"orkem Algan
• Abstract要約: セマンティックセグメンテーションにおける赤外線スペクトルの利用には、自律運転、医療画像、農業、防衛産業など、多くの実世界のユースケースがある。 1つのアプローチは、可視光と赤外線のスペクトル画像の両方を入力として使用することである。 もう1つのアプローチは、熱画像のみを使用することで、より小さなユースケースでハードウェアコストを削減できる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Semantic segmentation is a challenging task since it requires excessively more low-level spatial information of the image compared to other computer vision problems. The accuracy of pixel-level classification can be affected by many factors, such as imaging limitations and the ambiguity of object boundaries in an image. Conventional methods exploit three-channel RGB images captured in the visible spectrum with deep neural networks (DNN). Thermal images can significantly contribute during the segmentation since thermal imaging cameras are capable of capturing details despite the weather and illumination conditions. Using infrared spectrum in semantic segmentation has many real-world use cases, such as autonomous driving, medical imaging, agriculture, defense industry, etc. Due to this wide range of use cases, designing accurate semantic segmentation algorithms with the help of infrared spectrum is an important challenge. One approach is to use both visible and infrared spectrum images as inputs. These methods can accomplish higher accuracy due to enriched input information, with the cost of extra effort for the alignment and processing of multiple inputs. Another approach is to use only thermal images, enabling less hardware cost for smaller use cases. Even though there are multiple surveys on semantic segmentation methods, the literature lacks a comprehensive survey centered explicitly around semantic segmentation using infrared spectrum. This work aims to fill this gap by presenting algorithms in the literature and categorizing them by their input images.
• Abstract（参考訳）: セマンティックセグメンテーションは、他のコンピュータビジョン問題と比較して画像の低レベル空間情報を必要とするため、難しい課題である。 画素レベルの分類の精度は、画像内の画像の限界や物体の境界の曖昧さなど、多くの要因に影響される。 従来の手法では、ディープニューラルネットワーク(dnn)を用いて可視スペクトルで撮影された3チャンネルのrgb画像を利用する。 サーマルイメージングカメラは、天候や照明条件に関わらず詳細を捉えることができるため、セグメンテーション中に熱画像は著しく寄与する。 セマンティックセグメンテーションにおける赤外線スペクトルの使用には、自動運転、医療画像、農業、防衛産業など、多くの現実世界のユースケースがある。 この幅広いユースケースのため、赤外線スペクトルの助けを借りて正確な意味セグメンテーションアルゴリズムを設計することは重要な課題である。 一つのアプローチは、可視光と赤外線の両方のスペクトル画像を入力として使うことである。 これらの方法は、複数の入力のアライメントと処理に余分な労力を要し、豊富な入力情報によって高い精度を達成することができる。 別のアプローチは、熱画像のみを使用することで、より小さなユースケースでハードウェアコストを削減できる。 セマンティクスセグメンテーション法に関する調査は複数存在するが,赤外線スペクトルを用いたセマンティクスセグメンテーションを中心とした包括的調査は欠落している。 本研究の目的は,文学におけるアルゴリズムの提示と,それらの入力画像による分類によって,このギャップを埋めることである。

関連論文リスト

• Diffusion-based RGB-D Semantic Segmentation with Deformable Attention Transformer [10.982521876026281]
  本稿では,RGB-Dセマンティックセグメンテーション問題に対処する拡散型フレームワークを提案する。 本研究では,デフォルマブルアテンション変換器をエンコーダとして利用し,奥行き画像から特徴を抽出することにより,デフォルマブルアテンション変換器の特性を効果的に把握できることを実証する。
  論文  参考訳（メタデータ） (2024-09-23T15:23:01Z)
• 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)
• Semantic RGB-D Image Synthesis [22.137419841504908]
  この問題に対処するために,意味的RGB-D画像合成を導入する。 しかし、現在のアプローチはユニモーダルであり、マルチモーダルデータには対応できない。 意味的レイアウトのモーダル非依存情報とモーダル依存情報とを分離したマルチモーダルデータのジェネレータを提案する。
  論文  参考訳（メタデータ） (2023-08-22T11:16:24Z)
• Visible and infrared self-supervised fusion trained on a single example [1.1188842018827656]
  マルチスペクトルイメージングは画像処理とコンピュータビジョンにおいて重要な課題である。 近赤外(NIR)画像融合における可視光(RGB)の問題点は特にタイムリである。 提案されたアプローチは、単一の例で自己監視学習(SSL)によって畳み込みニューラルネットワークをトレーニングすることで、これら2つのチャネルを融合させる。 実験により, 提案手法は, 同様の, より質的, 定量的な多スペクトル核融合結果が得られることを示した。
  論文  参考訳（メタデータ） (2023-07-09T05:25:46Z)
• Invisible-to-Visible: Privacy-Aware Human Segmentation using Airborne Ultrasound via Collaborative Learning Probabilistic U-Net [8.21448246263952]
  本研究では,見えない情報,特に空中超音波による人体セグメンテーションのための新しい課題を提案する。 超音波画像は人物の位置を大まかに特定できるが、詳細な形状は曖昧である。 本稿では,超音波画像とセグメンテーション画像を同時に使用する協調学習確率的U-Netを提案する。
  論文  参考訳（メタデータ） (2022-05-11T06:42:24Z)
• AF$_2$: Adaptive Focus Framework for Aerial Imagery Segmentation [86.44683367028914]
  航空画像のセグメンテーションにはいくつかの独特な課題があり、中でも最も重要なものは前景と背景のアンバランスにある。 本稿では,階層的なセグメンテーション手法を採用し,マルチスケール表現を適応的に活用するAdaptive Focus Framework (AF$)を提案する。 AF$は、広く使われている3つの航空ベンチマークの精度を大幅に改善した。
  論文  参考訳（メタデータ） (2022-02-18T10:14:45Z)
• Voice-assisted Image Labelling for Endoscopic Ultrasound Classification using Neural Networks [48.732863591145964]
  本稿では,臨床医が提示した生音声からのEUS画像にラベルを付けるマルチモーダル畳み込みニューラルネットワークアーキテクチャを提案する。 その結果,5つのラベルを持つデータセットにおいて,画像レベルでの予測精度は76%であった。
  論文  参考訳（メタデータ） (2021-10-12T21:22:24Z)
• A Comparison of Deep Saliency Map Generators on Multispectral Data in Object Detection [9.264502124445348]
  本研究は, それらの地図が異なるスペクトル間でどのように異なるかについて, 3つのサリエンシマップ生成法について検討する。 現実的な問題として、我々は自律運転のための赤外線および視覚スペクトルにおける物体検出を選択した。 その結果,赤外線と視覚のアクティベーションマップの違いが判明した。 さらに、赤外線と視覚データの両方による高度なトレーニングは、ネットワークの出力を改善するだけでなく、唾液マップのより焦点を絞ったスポットにもつながります。
  論文  参考訳（メタデータ） (2021-08-26T12:56:49Z)
• Exposing Semantic Segmentation Failures via Maximum Discrepancy Competition [102.75463782627791]
  オープンビジュアルの世界において,既存の意味セグメンテーション手法の失敗を露呈することで,質問に答える。 モデル改ざんに関するこれまでの研究に触発され、任意に大きい画像セットから始まり、2つのセグメンテーション方法間の差分法(MAD)をMAximizingすることによって、小さな画像セットを自動的にサンプリングします。 選択された画像は、2つの方法のいずれか(または両方)を偽造する最大の可能性を持っている。 また,MADコンペティションにおいて,障害の露呈が困難であるセグメンテーション法について検討した。
  論文  参考訳（メタデータ） (2021-02-27T16:06:25Z)
• Exploring Thermal Images for Object Detection in Underexposure Regions for Autonomous Driving [67.69430435482127]
  アンダーエクスポージャー地域は、安全な自動運転のための周囲の完全な認識を構築するのに不可欠である。 サーマルカメラが利用可能になったことで、他の光学センサーが解釈可能な信号を捉えていない地域を探索するための重要な代替手段となった。 本研究は,可視光画像から熱画像へ学習を伝達するためのスタイル伝達手法を用いたドメイン適応フレームワークを提案する。
  論文  参考訳（メタデータ） (2020-06-01T09:59:09Z)
• RGB-based Semantic Segmentation Using Self-Supervised Depth Pre-Training [77.62171090230986]
  本稿では,任意の意味的RGBセグメンテーション手法の事前学習に使用できる,スケーラブルで自己管理の容易な手法を提案する。 特に、我々の事前学習アプローチでは、深度センサーを用いて得られるラベルを自動生成する。 提案したHNラベルによる自己教師付き事前学習が,ImageNetの事前学習にどのように応用できるかを示す。
  論文  参考訳（メタデータ） (2020-02-06T11:16:24Z)

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。