論文の概要: SHDM-NET: Heat Map Detail Guidance with Image Matting for Industrial
Weld Semantic Segmentation Network
- arxiv url: http://arxiv.org/abs/2207.04297v1
- Date: Sat, 9 Jul 2022 16:38:33 GMT
- ステータス: 処理完了
- システム内更新日: 2022-07-12 14:27:02.396943
- Title: SHDM-NET: Heat Map Detail Guidance with Image Matting for Industrial
Weld Semantic Segmentation Network
- Title（参考訳）: shdm-net:産業用溶接セマンティクスセグメンテーションネットワークのためのイメージマット付きヒートマップ詳細ガイダンス
- Authors: Qi Wang and Jingwu Mei
- Abstract要約: 本稿では,深層学習セマンティックセマンティックセマンティクスアルゴリズムを用いた産業用溶接セマンティクスネットワークを提案する。
提案手法の有効性を実証し,MIOUは97.93%に達した。
- 参考スコア（独自算出の注目度）: 12.845239511316905
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In actual industrial production, the assessment of the steel plate welding
effect is an important task, and the segmentation of the weld section is the
basis of the assessment. This paper proposes an industrial weld segmentation
network based on a deep learning semantic segmentation algorithm fused with
heatmap detail guidance and Image Matting to solve the automatic segmentation
problem of weld regions. In the existing semantic segmentation networks, the
boundary information can be preserved by fusing the features of both high-level
and low-level layers. However, this method can lead to insufficient expression
of the spatial information in the low-level layer, resulting in inaccurate
segmentation boundary positioning. We propose a detailed guidance module based
on heatmaps to fully express the segmented region boundary information in the
low-level network to address this problem. Specifically, the expression of
boundary information can be enhanced by adding a detailed branch to predict
segmented boundary and then matching it with the boundary heat map generated by
mask labels to calculate the mean square error loss. In addition, although deep
learning has achieved great success in the field of semantic segmentation, the
precision of the segmentation boundary region is not high due to the loss of
detailed information caused by the classical segmentation network in the
process of encoding and decoding process. This paper introduces a matting
algorithm to calibrate the boundary of the segmentation region of the semantic
segmentation network to solve this problem. Through many experiments on
industrial weld data sets, the effectiveness of our method is demonstrated, and
the MIOU reaches 97.93%. It is worth noting that this performance is comparable
to human manual segmentation ( MIOU 97.96%).
- Abstract（参考訳）: 実際の工業生産においては,鋼板溶接効果の評価が重要であり,溶接部のセグメント化が評価の基礎となっている。
本稿では,溶接領域の自動セグメント化問題を解決するため,ヒートマップ細部案内と画像マッティングを融合した深層学習意味セグメンテーションアルゴリズムに基づく工業用溶接セグメンテーションネットワークを提案する。
既存のセマンティックセグメンテーションネットワークでは、境界情報は高レベル層と低レベル層の両方の特徴を融合させて保存することができる。
しかし,この手法は,低層層における空間情報の不足を招き,不正確なセグメンテーション境界位置を導出する。
この問題に対処する低レベルネットワークにおいて,分割領域境界情報を完全に表現するためのヒートマップに基づく詳細なガイダンスモジュールを提案する。
具体的には、細部を追加して分割境界を予測し、マスクラベルによって生成された境界ヒートマップと照合して平均二乗誤差損失を算出することで、境界情報の表現を強化することができる。
また, セマンティックセグメンテーションの分野では深層学習が大きな成功を収めているが, 符号化・復号過程において, 古典セグメンテーションネットワークによって引き起こされる詳細情報が失われるため, セグメンテーション境界領域の精度は高くない。
本稿では,この問題を解決するために,意味セグメンテーションネットワークのセグメンテーション領域の境界を校正するマッティングアルゴリズムを提案する。
産業用溶接データセットに関する多くの実験を通じて,本手法の有効性を示し,MIOUは97.93%に達した。
この性能は人間の手動セグメンテーション(MIOU 97.96%)に匹敵する。
関連論文リスト
- Push-the-Boundary: Boundary-aware Feature Propagation for Semantic
Segmentation of 3D Point Clouds [0.5249805590164901]
本研究では,オブジェクト境界近傍のセマンティックセグメンテーションを改善するための境界対応特徴伝搬機構を提案する。
1つの共有エンコーダで、ネットワークは、(i)境界ローカライゼーション、(ii)オブジェクトの内部を指す方向の予測、(iii)セマンティックセグメンテーションを3つの並列ストリームで出力する。
提案手法は境界誤差を低減することによって一貫した改善をもたらす。
論文 参考訳（メタデータ） (2022-12-23T15:42:01Z) - False Negative Reduction in Semantic Segmentation under Domain Shift
using Depth Estimation [5.837881923712394]
最先端のディープニューラルネットワークはセマンティックセグメンテーションにおいて優れた性能を示す。
オープンワールドのシナリオは、自動化運転のような安全関連のアプリケーションでは危険である不正確な予測を引き起こします。
単眼深度推定を用いた意味的セグメンテーション予測を強化し,非検出対象の発生を減らすことでセグメンテーションを改善する。
論文 参考訳（メタデータ） (2022-07-07T18:02:29Z) - Grasp-Oriented Fine-grained Cloth Segmentation without Real Supervision [66.56535902642085]
本稿では, 深度画像のみを用いて, 変形した衣服のきめ細かい領域検出の問題に取り組む。
最大で6つの意味領域を定義し, 首の縁, スリーブカフ, ヘム, 上と下をつかむ点を含む。
これらの部品のセグメント化とラベル付けを行うために,U-net ベースのネットワークを導入する。
合成データのみを用いてネットワークをトレーニングし、提案したDAが実データでトレーニングしたモデルと競合する結果が得られることを示す。
論文 参考訳（メタデータ） (2021-10-06T16:31:20Z) - Attention-based fusion of semantic boundary and non-boundary information
to improve semantic segmentation [9.518010235273783]
本稿では,新しい融合方式に基づく画像意味的セグメンテーション手法を提案する。
我々の提案の主な目的は、全体セグメンテーション性能を改善するために、オブジェクト境界情報を調べることである。
提案したモデルでは,CityScapes,CamVid,Pascal Contextデータセットで最高のmIoU,Mapillary Vistasで2番目によいmIoUを達成した。
論文 参考訳（メタデータ） (2021-08-05T20:46:53Z) - Residual Moment Loss for Medical Image Segmentation [56.72261489147506]
位置情報は,対象物体の多様体構造を捉えた深層学習モデルに有効であることが証明された。
既存のほとんどの手法は、ネットワークが学習するために、位置情報を暗黙的にエンコードする。
セグメント化対象の位置情報を明示的に埋め込むために,新しい損失関数,すなわち残差モーメント(RM)損失を提案する。
論文 参考訳（メタデータ） (2021-06-27T09:31:49Z) - Look Closer to Segment Better: Boundary Patch Refinement for Instance
Segmentation [51.59290734837372]
境界品質を改善するために,概念的にシンプルで効果的な後処理改善フレームワークを提案する。
提案されたBPRフレームワークは、CityscapesベンチマークのMask R-CNNベースラインを大幅に改善する。
BPRフレームワークをPolyTransform + SegFixベースラインに適用することで、Cityscapesのリーダーボードで1位に到達しました。
論文 参考訳（メタデータ） (2021-04-12T07:10:48Z) - Non-Salient Region Object Mining for Weakly Supervised Semantic
Segmentation [64.2719590819468]
弱教師付きセマンティックセグメンテーションのための非塩分領域オブジェクトマイニング手法を提案する。
擬似ラベルの偽陰性率を低減するために、潜在的なオブジェクトマイニングモジュールを提案する。
非サリエント領域マスキングモジュールは、非サリエント領域内のオブジェクトをさらに発見するのに役立ちます。
論文 参考訳（メタデータ） (2021-03-26T16:44:03Z) - Active Boundary Loss for Semantic Segmentation [58.72057610093194]
本稿では,セマンティックセグメンテーションのための新しいアクティブ境界損失を提案する。
エンド・ツー・エンドのトレーニングにおいて、予測境界とグランド・トゥルース・バウンダリのアライメントを徐々に促進することができる。
実験結果から, アクティブ境界損失によるトレーニングは, 境界Fスコアと平均インターセクションオーバ・ユニオンを効果的に改善できることが示された。
論文 参考訳（メタデータ） (2021-02-04T15:47:54Z) - Semantic Editing On Segmentation Map Via Multi-Expansion Loss [98.1131339357174]
本稿では,セグメンテーションマップのセグメンテーションの精度向上を目的とした。
本稿では,新しいMulti-Expansion(MEx)損失を利用したセグメンテーションマップのセグメンテーション編集のためのMExGANを提案する。
セグメンテーションマップのセグメンテーション編集と自然画像のインペインティングの実験は、4つのデータセットで競合する結果を示した。
論文 参考訳（メタデータ） (2020-10-16T03:12:26Z) - Edge-Preserving Guided Semantic Segmentation for VIPriors Challenge [3.435043566706133]
現在の最先端およびディープラーニングに基づくセマンティックセマンティックセグメンテーション技術は、よく訓練することは難しい。
付加的な事前情報を得るためのエッジ保存ガイダンスを提案する。
実験により,提案手法は小型のトレーニングセットで優れた性能が得られることを示した。
論文 参考訳（メタデータ） (2020-07-17T11:49:10Z)
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。