論文の概要: Efficient fine-grained road segmentation using superpixel-based CNN and CRF models

• arxiv url: http://arxiv.org/abs/2207.02844v1
• Date: Wed, 22 Jun 2022 12:38:30 GMT
• ステータス: 処理完了
• システム内更新日: 2022-07-10 11:40:06.663833
• Title: Efficient fine-grained road segmentation using superpixel-based CNN and CRF models
• Title（参考訳）: 超画素CNNとCRFモデルを用いた高精細道路セグメンテーション
• Authors: Farnoush Zohourian, Jan Siegemund, Mirko Meuter, Josef Pauli
• Abstract要約: 本稿では,道路分割作業におけるCNNの利点を合理的な計算力で活用するための新しい手法を提案する。 提案システムは,KITTIロードベンチマークにおいて,上位性能のアルゴリズムに匹敵する性能を得た。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Towards a safe and comfortable driving, road scene segmentation is a rudimentary problem in camera-based advance driver assistance systems (ADAS). Despite of the great achievement of Convolutional Neural Networks (CNN) for semantic segmentation task, the high computational efforts of CNN based methods is still a challenging area. In recent work, we proposed a novel approach to utilise the advantages of CNNs for the task of road segmentation at reasonable computational effort. The runtime benefits from using irregular super pixels as basis for the input for the CNN rather than the image grid, which tremendously reduces the input size. Although, this method achieved remarkable low computational time in both training and testing phases, the lower resolution of the super pixel domain yields naturally lower accuracy compared to high cost state of the art methods. In this work, we focus on a refinement of the road segmentation utilising a Conditional Random Field (CRF).The refinement procedure is limited to the super pixels touching the predicted road boundary to keep the additional computational effort low. Reducing the input to the super pixel domain allows the CNNs structure to stay small and efficient to compute while keeping the advantage of convolutional layers and makes them eligible for ADAS. Applying CRF compensate the trade off between accuracy and computational efficiency. The proposed system obtained comparable performance among the top performing algorithms on the KITTI road benchmark and its fast inference makes it particularly suitable for realtime applications.
• Abstract（参考訳）: 安全で快適な運転に向けて、道路シーンセグメンテーションはカメラベースの先進運転支援システム(ADAS)の初歩的な問題である。 セマンティックセグメンテーションタスクにおける畳み込みニューラルネットワーク(CNN)の大きな成果にもかかわらず、CNNベースの手法の高度な計算努力は依然として難しい分野である。 近年の研究では,道路分割作業におけるCNNの利点を合理的な計算力で活用するための新しい手法を提案する。 ランタイムは、イメージグリッドではなくCNNの入力の基盤として不規則なスーパーピクセルを使用することで、入力サイズを大幅に削減する。 この手法は, トレーニングとテストの両段階において, 計算時間を著しく短縮するが, 超画素領域の低分解能は, 高コストの工法に比べて自然に低い精度が得られる。 本研究では,条件付ランダムフィールド(CRF)を利用した道路セグメントの改良に焦点を当てた。 補正手順は、予測された道路境界に触れる超画素に限られ、追加の計算労力を低く抑える。 スーパーピクセル領域への入力を減らすことで、CNNの構造は、畳み込みレイヤの利点を維持しながら、小さく、効率的に計算でき、ADASを利用できる。 CRFを適用することで、精度と計算効率のトレードオフを補う。 提案方式は,KITTIロードベンチマークの上位性能アルゴリズムに匹敵する性能を示し,その高速推論によりリアルタイムアプリケーションに特に適している。

関連論文リスト

• LeRF: Learning Resampling Function for Adaptive and Efficient Image Interpolation [64.34935748707673]
  最近のディープニューラルネットワーク(DNN)は、学習データ前処理を導入することで、パフォーマンスを著しく向上させた。 本稿では,DNNが学習した構造的前提と局所的連続仮定の両方を活かした学習再サンプリング(Learning Resampling, LeRF)を提案する。 LeRFは空間的に異なる再サンプリング関数を入力画像ピクセルに割り当て、ニューラルネットワークを用いてこれらの再サンプリング関数の形状を予測する。
  論文  参考訳（メタデータ） (2024-07-13T16:09:45Z)
• Progressive Minimal Path Method with Embedded CNN [2.4975981795360847]
  畳み込みニューラルネットワーク(CNN)をプログレッシブ・ミニマルパスに埋め込むことにより,管状構造の中心線を分割するPath-CNNを提案する。 本手法は近年の多くの手法よりもハードウェア要件が低い。
  論文  参考訳（メタデータ） (2022-04-02T22:00:27Z)
• Learning from Images: Proactive Caching with Parallel Convolutional Neural Networks [94.85780721466816]
  本稿では,プロアクティブキャッシングのための新しいフレームワークを提案する。 モデルベースの最適化とデータ駆動技術を組み合わせて、最適化問題をグレースケールのイメージに変換する。 数値計算の結果,提案手法は71.6%の計算時間を0.8%のコストで削減できることがわかった。
  論文  参考訳（メタデータ） (2021-08-15T21:32:47Z)
• Semantic Segmentation by Improved Generative Adversarial Networks [0.0]
  画像セマンティックセグメンテーションタスクの効果的な改善ソリューションとして、Convolutional CRF(ConvCRF)を紹介します。 提案手法は,入力画像から対応する出力画像へのエンドツーエンドマッピングを学習するだけでなく,このマッピングをトレーニングするための損失関数も学習する。
  論文  参考訳（メタデータ） (2021-04-20T11:59:29Z)
• 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)
• Multi-Task Network Pruning and Embedded Optimization for Real-time Deployment in ADAS [0.0]
  カメラベースのディープラーニングアルゴリズムは、自動運転システムにおける認識にますます必要である。 自動車業界からの制約は、限られた計算リソースで組み込みシステムを課すことでCNNの展開に挑戦します。 商用プロトタイププラットフォーム上で,このような条件下でマルチタスクCNNネットワークを埋め込む手法を提案する。
  論文  参考訳（メタデータ） (2021-01-19T19:29:38Z)
• CNNs for JPEGs: A Study in Computational Cost [49.97673761305336]
  畳み込みニューラルネットワーク(CNN)は過去10年間で驚くべき進歩を遂げてきた。 CNNはRGBピクセルから直接データの堅牢な表現を学習することができる。 近年,圧縮領域から直接学習できる深層学習手法が注目されている。
  論文  参考訳（メタデータ） (2020-12-26T15:00:10Z)
• Adaptive Pixel-wise Structured Sparse Network for Efficient CNNs [11.377052459168942]
  本稿では,入力画像に応じて画素単位の間隔を生成できる新しい空間適応型フレームワークを提案する。 異なる精度/遅延条件のアプリケーションに対するオンライン調整を可能にするためにスパース制御方式を提案する。
  論文  参考訳（メタデータ） (2020-10-21T15:47:13Z)
• Real-time Semantic Segmentation with Fast Attention [94.88466483540692]
  本稿では,高解像度画像と映像をリアルタイムにセマンティックセグメンテーションするための新しいアーキテクチャを提案する。 提案したアーキテクチャは我々の空間的注意の速さに依存しており、これは一般的な自己注意機構の単純かつ効率的な修正である。 複数のデータセットに対する結果から,既存の手法に比べて精度と速度が向上し,優れた性能を示した。
  論文  参考訳（メタデータ） (2020-07-07T22:37:16Z)
• Real-Time High-Performance Semantic Image Segmentation of Urban Street Scenes [98.65457534223539]
  都市景観のロバストなセマンティックセマンティックセグメンテーションのためのリアルタイムDCNNに基づく高速DCNN手法を提案する。 提案手法は, 51.0 fps と 39.3 fps の推論速度で, 平均 73.6% と平均 68.0% (mIoU) の精度を実現する。
  論文  参考訳（メタデータ） (2020-03-11T08:45:53Z)

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。