論文の概要: CRCNet: Few-shot Segmentation with Cross-Reference and Region-Global Conditional Networks

• arxiv url: http://arxiv.org/abs/2208.10761v1
• Date: Tue, 23 Aug 2022 06:46:18 GMT
• ステータス: 処理完了
• システム内更新日: 2022-08-24 13:20:12.371630
• Title: CRCNet: Few-shot Segmentation with Cross-Reference and Region-Global Conditional Networks
• Title（参考訳）: CRCNet: クロスリファレンスとリージョン-グローバル条件付きネットワークによるFew-shotセグメンテーション
• Authors: Weide Liu, Chi Zhang, Guosheng Lin, Fayao Liu
• Abstract要約: 少ないショットセグメンテーションは、少数のトレーニングイメージを持つ新しいクラスに一般化できるセグメンテーションモデルを学ぶことを目的としている。 複数ショットセグメンテーションのためのクロスリファレンス・ローカル・グローバル・ネットワーク(CRCNet)を提案する。 我々のネットワークは、相互参照機構により、2つの画像に共起する物体をよりよく見つけることができる。
• 参考スコア（独自算出の注目度）: 59.85183776573642
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Few-shot segmentation aims to learn a segmentation model that can be generalized to novel classes with only a few training images. In this paper, we propose a Cross-Reference and Local-Global Conditional Networks (CRCNet) for few-shot segmentation. Unlike previous works that only predict the query image's mask, our proposed model concurrently makes predictions for both the support image and the query image. Our network can better find the co-occurrent objects in the two images with a cross-reference mechanism, thus helping the few-shot segmentation task. To further improve feature comparison, we develop a local-global conditional module to capture both global and local relations. We also develop a mask refinement module to refine the prediction of the foreground regions recurrently. Experiments on the PASCAL VOC 2012, MS COCO, and FSS-1000 datasets show that our network achieves new state-of-the-art performance.
• Abstract（参考訳）: 少ないショットセグメンテーションは、少数のトレーニングイメージを持つ新しいクラスに一般化できるセグメンテーションモデルを学ぶことを目的としている。 本稿では,少人数セグメンテーションのためのクロスリファレンスおよびローカルグローバル条件ネットワーク(crcnet)を提案する。 クエリイメージのマスクのみを予測する以前の作業とは異なり,提案モデルでは,サポートイメージとクエリイメージの両方を同時に予測する。 我々のネットワークは、相互参照機構により、2つの画像中の共起オブジェクトをよりよく見つけることができ、これにより、少数ショットのセグメンテーションタスクを支援する。 特徴比較をさらに改善するため,我々はグローバルとローカルの両方の関係をキャプチャするローカル・グローバル条件モジュールを開発した。 また,前景領域の予測を反復的に精度良くするためのマスクリファインメントモジュールを開発した。 PASCAL VOC 2012、MS COCO、FSS-1000データセットによる実験により、我々のネットワークが新たな最先端のパフォーマンスを達成することが示された。

関連論文リスト

• COMNet: Co-Occurrent Matching for Weakly Supervised Semantic Segmentation [13.244183864948848]
  我々は,CAMの品質を向上し,オブジェクトの全体に対して注意を払うためにネットワークを強制する,新しいコオカレントマッチングネットワーク(COMNet)を提案する。 具体的には、共通クラスを含むペア画像のマッチングを行い、対応する領域を強化し、単一の画像上にマッチングを構築し、対象領域を横断する意味的特徴を伝達する。 The experiment on the Pascal VOC 2012 and MS-COCO datasets shows our network can effective boost the performance of the baseline model and a new-of-the-art performance。
  論文  参考訳（メタデータ） (2023-09-29T03:55:24Z)
• Integrative Few-Shot Learning for Classification and Segmentation [37.50821005917126]
  少数ショット分類とセグメンテーション(FS-CS)の統合タスクについて紹介する。 FS-CSは、ターゲットクラスがいくつかの例で与えられるとき、クエリイメージでターゲットオブジェクトを分類し、セグメントすることを目的としている。 本稿では,FS-CSのための統合的数ショット学習フレームワークを提案し,学習者がクラスワイドな前景マップを構築するように訓練する。
  論文  参考訳（メタデータ） (2022-03-29T16:14:40Z)
• Few-shot Segmentation with Optimal Transport Matching and Message Flow [50.9853556696858]
  サポート情報を完全に活用するためには、少数ショットのセマンティックセマンティックセグメンテーションが不可欠である。 本稿では,最適輸送マッチングモジュールを備えた通信マッチングネットワーク(CMNet)を提案する。 PASCAL VOC 2012、MS COCO、FSS-1000データセットによる実験により、我々のネットワークは最新の数ショットセグメンテーション性能を新たに達成した。
  論文  参考訳（メタデータ） (2021-08-19T06:26:11Z)
• Boosting Few-shot Semantic Segmentation with Transformers [81.43459055197435]
  TRansformer-based Few-shot Semantic segmentation Method (TRFS) 我々のモデルは,グローバル・エンハンスメント・モジュール(GEM)とローカル・エンハンスメント・モジュール(LEM)の2つのモジュールから構成される。
  論文  参考訳（メタデータ） (2021-08-04T20:09:21Z)
• CycleSegNet: Object Co-segmentation with Cycle Refinement and Region Correspondence [44.811987693952965]
  cyclesegnetは共同セグメンテーションタスクのための新しいフレームワークである。 提案手法は既存のネットワークを著しく上回り,新しい最先端性能を実現する。
  論文  参考訳（メタデータ） (2021-01-05T01:35:19Z)
• Group-Wise Semantic Mining for Weakly Supervised Semantic Segmentation [49.90178055521207]
  この研究は、画像レベルのアノテーションとピクセルレベルのセグメンテーションのギャップを埋めることを目標に、弱い監督されたセマンティックセグメンテーション(WSSS)に対処する。 画像群における意味的依存関係を明示的にモデル化し,より信頼性の高い擬似的基盤構造を推定する,新たなグループ学習タスクとしてWSSSを定式化する。 特に、入力画像がグラフノードとして表現されるグループ単位のセマンティックマイニングのためのグラフニューラルネットワーク(GNN)を考案する。
  論文  参考訳（メタデータ） (2020-12-09T12:40:13Z)
• Interactive Video Object Segmentation Using Global and Local Transfer Modules [51.93009196085043]
  我々はアノテーションネットワーク(A-Net)と転送ネットワーク(T-Net)からなるディープニューラルネットワークを開発する。 A-Netは、フレーム上のユーザ記述を前提として、エンコーダ-デコーダアーキテクチャに基づいたセグメンテーション結果を生成する。 ユーザスクリブルをエミュレートし,補助的な損失を生かして,ネットワーク全体を2段階に分けてトレーニングする。
  論文  参考訳（メタデータ） (2020-07-16T06:49:07Z)
• CRNet: Cross-Reference Networks for Few-Shot Segmentation [59.85183776573642]
  少ないショットセグメンテーションは、少数のトレーニングイメージを持つ新しいクラスに一般化できるセグメンテーションモデルを学ぶことを目的としている。 相互参照機構により、我々のネットワークは2つの画像に共起する物体をよりよく見つけることができる。 PASCAL VOC 2012データセットの実験は、我々のネットワークが最先端のパフォーマンスを達成することを示す。
  論文  参考訳（メタデータ） (2020-03-24T04:55:43Z)

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。