Fugu-MT 論文翻訳(概要): Applying Eigencontours to PolarMask-Based Instance Segmentation

論文の概要: Applying Eigencontours to PolarMask-Based Instance Segmentation

arxiv url: http://arxiv.org/abs/2208.11258v1
Date: Wed, 24 Aug 2022 01:33:18 GMT
ステータス: 翻訳完了
システム内更新日: 2022-08-25 12:39:36.918065
Title: Applying Eigencontours to PolarMask-Based Instance Segmentation
Title（参考訳）: EigencontoursをPolarMaskベースのインスタンスセグメンテーションに適用する
Authors: Wonhui Park, Dongkwon Jin, Chang-Su Kim
Abstract要約: 固有輪郭は特異値分解に基づく最初のデータ駆動輪郭記述子である。本稿では,PolarMaskネットワークに固有輪郭を組み込んで例分割を行う。
参考スコア（独自算出の注目度）: 40.13463458124477
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Eigencontours are the first data-driven contour descriptors based on singular value decomposition. Based on the implementation of ESE-Seg, eigencontours were applied to the instance segmentation task successfully. In this report, we incorporate eigencontours into the PolarMask network for instance segmentation. Experimental results demonstrate that the proposed algorithm yields better results than PolarMask on two instance segmentation datasets of COCO2017 and SBD. Also, we analyze the characteristics of eigencontours qualitatively. Our codes are available at https://github.com/dnjs3594/Eigencontours.
Abstract（参考訳）: 固有輪郭は特異値分解に基づく最初のデータ駆動輪郭記述子である。 ESE-Segの実装に基づいて、固有パターンをインスタンスセグメンテーションタスクにうまく適用した。本稿では,PolarMaskネットワークに固有輪郭を組み込んで例分割を行う。実験の結果,提案アルゴリズムはCOCO2017とSBDの2つのインスタンスセグメンテーションデータセット上で,PolarMaskよりも優れた結果が得られることが示された。また,固有輪郭の特性を質的に解析する。私たちのコードはhttps://github.com/dnjs3594/eigencontoursで利用可能です。

関連論文リスト

SegRefiner: Towards Model-Agnostic Segmentation Refinement with Discrete Diffusion Process [102.18226145874007]
そこで我々は,異なるセグメンテーションモデルによって生成されるオブジェクトマスクの品質を高めるために,SegRefinerと呼ばれるモデルに依存しないソリューションを提案する。 SegRefinerは粗いマスクを入力として取り、離散拡散プロセスを用いてそれらを洗練する。さまざまな種類の粗いマスクにわたるセグメンテーションメトリックとバウンダリメトリックの両方を一貫して改善する。
論文参考訳（メタデータ） (2023-12-19T18:53:47Z)
Ensembling Instance and Semantic Segmentation for Panoptic Segmentation [0.0]
メソッドはまず、インスタンスセグメンテーションとセマンティックセグメンテーションを別々に実行し、2つを組み合わせてパン光学セグメンテーション結果を生成する。トレーニングデータにおけるデータ不均衡問題に対処するために,インスタンスセグメンテーションにおけるMask R-CNNのエキスパートモデルをいくつか追加する。セグメンテーションでは,様々なバックボーンを持つモデルを訓練し,セグメンテーション結果をさらに強化するアンサンブル戦略を用いた。
論文参考訳（メタデータ） (2023-04-20T14:02:01Z)
Eigencontours: Novel Contour Descriptors Based on Low-Rank Approximation [40.13463458124477]
等角行列を最高階数-M近似により固有等角行列に分解する。 M 固有輪郭の線形結合により対象境界を表現する。提案アルゴリズムは,インスタンスセグメンテーションデータセット上で有意義な性能を示す。
論文参考訳（メタデータ） (2022-03-29T06:14:38Z)
CPSeg: Cluster-free Panoptic Segmentation of 3D LiDAR Point Clouds [2.891413712995641]
CPSegと呼ばれるLiDAR点雲のための新しいリアルタイム・エンド・エンド・エンド・パノプティクス・セグメンテーション・ネットワークを提案する。 CPSegは、共有エンコーダ、デュアルデコーダ、タスク認識アテンションモジュール(TAM)、クラスタフリーインスタンスセグメンテーションヘッドを備える。
論文参考訳（メタデータ） (2021-11-02T16:44:06Z)
SOLO: A Simple Framework for Instance Segmentation [84.00519148562606]
インスタンスカテゴリ"は、インスタンスの場所に応じて、インスタンス内の各ピクセルにカテゴリを割り当てる。 SOLO"は、強力なパフォーマンスを備えたインスタンスセグメンテーションのための、シンプルで、直接的で、高速なフレームワークです。提案手法は, 高速化と精度の両面から, 実例分割の最先端結果を実現する。
論文参考訳（メタデータ） (2021-06-30T09:56:54Z)
PolarMask++: Enhanced Polar Representation for Single-Shot Instance Segmentation and Beyond [47.518550130850755]
PolarMaskは、極座標内のオブジェクトの輪郭を予測するものとしてインスタンス分割問題を再構成する。 2つのモジュールは慎重に設計されている。サンプル良質の中心の例への柔らかい極の中心および極性IoUの損失)。 PolarMaskは完全に畳み込み型であり、ほとんどのオフザシェルフ検出方法に簡単に組み込むことができる。
論文参考訳（メタデータ） (2021-05-05T16:55:53Z)
PointINS: Point-based Instance Segmentation [117.38579097923052]
POI(Point-of-Interest)機能によるインスタンスセグメンテーションにおけるマスク表現は、各インスタンスの高次元マスク機能を学ぶには、計算負荷が重いため、難しい。本稿では、このマスク表現学習タスクを2つの抽出可能なモジュールに分解するインスタンス認識畳み込みを提案する。インスタンス認識の畳み込みとともに、単純で実用的なインスタンスセグメンテーションアプローチであるPointINSを提案する。
論文参考訳（メタデータ） (2020-03-13T08:24:58Z)
Conditional Convolutions for Instance Segmentation [109.2706837177222]
我々はCondInstと呼ばれるシンプルだが効果的なインスタンスセグメンテーションフレームワークを提案する。インスタンスに条件付き動的インスタンス認識ネットワークを採用しています。本稿では,精度と推論速度の両面で性能の向上を実現するための,より単純なインスタンス分割法を示す。
論文参考訳（メタデータ） (2020-03-12T08:42:36Z)

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。