論文の概要: Semi-supervised Semantic Segmentation with Prototype-based Consistency Regularization

• arxiv url: http://arxiv.org/abs/2210.04388v1
• Date: Mon, 10 Oct 2022 01:38:01 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-11 17:46:09.623262
• Title: Semi-supervised Semantic Segmentation with Prototype-based Consistency Regularization
• Title（参考訳）: プロトタイプに基づく一貫性規則化による半教師付き意味セグメンテーション
• Authors: Hai-Ming Xu, Lingqiao Liu, Qiuchen Bian, Zhen Yang
• Abstract要約: 半教師付きセマンティックセグメンテーションでは、制限された注釈付き画像からラベルなし画像へラベル情報を伝達する必要がある。 このようなピクセルごとの予測タスクの課題は、クラス内の大きなバリエーションである。 本稿では,ラベルの伝搬困難を緩和するために,クラス内特徴の分布を正規化するための新しい手法を提案する。
• 参考スコア（独自算出の注目度）: 20.4183741427867
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Semi-supervised semantic segmentation requires the model to effectively propagate the label information from limited annotated images to unlabeled ones. A challenge for such a per-pixel prediction task is the large intra-class variation, i.e., regions belonging to the same class may exhibit a very different appearance even in the same picture. This diversity will make the label propagation hard from pixels to pixels. To address this problem, we propose a novel approach to regularize the distribution of within-class features to ease label propagation difficulty. Specifically, our approach encourages the consistency between the prediction from a linear predictor and the output from a prototype-based predictor, which implicitly encourages features from the same pseudo-class to be close to at least one within-class prototype while staying far from the other between-class prototypes. By further incorporating CutMix operations and a carefully-designed prototype maintenance strategy, we create a semi-supervised semantic segmentation algorithm that demonstrates superior performance over the state-of-the-art methods from extensive experimental evaluation on both Pascal VOC and Cityscapes benchmarks.
• Abstract（参考訳）: 半教師付きセマンティックセグメンテーションでは、制限された注釈付き画像からラベルなし画像へラベル情報を効果的に伝達する必要がある。 このようなピクセル単位の予測タスクの課題は、クラス内の大きな変化、すなわち同じクラスに属する領域が同じ画像であっても全く異なる外観を示す可能性があることである。 この多様性はラベルの伝播をピクセルからピクセルへと困難にする。 そこで本研究では,クラス内特徴の分布を正規化し,ラベル伝播の困難さを緩和する新しい手法を提案する。 具体的には、線形予測器からの予測とプロトタイプベースの予測器からの出力との整合性を奨励し、同じ擬似クラスから少なくとも1つの内部クラスプロトタイプに近づきつつ、他の中間クラスプロトタイプから遠ざかっていることを暗黙的に推奨する。 さらに、CutMix操作と慎重に設計されたプロトタイプメンテナンス戦略を取り入れることで、Pascal VOCおよびCityscapesベンチマークの広範な実験評価から、最先端手法よりも優れた性能を示す半教師付き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作成する。

関連論文リスト

• Mind the Gap Between Prototypes and Images in Cross-domain Finetuning [64.97317635355124]
  プロトタイプと画像にそれぞれ異なる変換を適用するために,コントラスト型プロトタイプイメージ適応(CoPA)を提案する。 Meta-Datasetの実験では、CoPAが最先端のパフォーマンスをより効率的に達成できることが示されている。
  論文  参考訳（メタデータ） (2024-10-16T11:42:11Z)
• Tendency-driven Mutual Exclusivity for Weakly Supervised Incremental Semantic Segmentation [56.1776710527814]
  Weakly Incremental Learning for Semantic (WILSS)は、トレーニング済みのセグメンテーションモデルを利用して、コスト効率と手軽に利用できるイメージレベルのラベルを使用して、新しいクラスをセグメンテーションする。 WILSSを解く最も一般的な方法は、各新しいクラスのシード領域の生成であり、ピクセルレベルの監視の一形態として機能する。 本研究は, 種子領域の挙動を綿密に調整した, 相互排他性に関する革新的, 傾向的関係について提案する。
  論文  参考訳（メタデータ） (2024-04-18T08:23:24Z)
• Boundary-Refined Prototype Generation: A General End-to-End Paradigm for Semi-Supervised Semantic Segmentation [23.00156170789867]
  半教師付きセマンティックセグメンテーションはコンピュータビジョンにおいて注目を集めている。 現在のアプローチでは、メイントレーニングフレームワークからプロトタイプ生成を分離しています。 本稿では,新しい境界修正プロトタイプ生成法(BRPG)を提案する。
  論文  参考訳（メタデータ） (2023-07-19T16:12:37Z)
• ProtoSeg: Interpretable Semantic Segmentation with Prototypical Parts [12.959270094693254]
  本稿では,解釈可能なセマンティックイメージセグメンテーションの新しいモデルであるProtoSegを紹介する。 ベースライン法に匹敵する精度を達成するため,プロトタイプ部品の機構を適応させる。 ProtoSegは標準的なセグメンテーションモデルとは対照的にセグメンテーションの概念を発見する。
  論文  参考訳（メタデータ） (2023-01-28T19:14:32Z)
• Rethinking Clustering-Based Pseudo-Labeling for Unsupervised Meta-Learning [146.11600461034746]
  教師なしメタラーニングのメソッドであるCACTUsは、擬似ラベル付きクラスタリングベースのアプローチである。 このアプローチはモデルに依存しないため、教師付きアルゴリズムと組み合わせてラベルのないデータから学習することができる。 このことの核となる理由は、埋め込み空間においてクラスタリングに優しい性質が欠如していることである。
  論文  参考訳（メタデータ） (2022-09-27T19:04:36Z)
• Beyond the Prototype: Divide-and-conquer Proxies for Few-shot Segmentation [63.910211095033596]
  少ないショットのセグメンテーションは、少数の濃密なラベル付けされたサンプルのみを与えられた、目に見えないクラスオブジェクトをセグメンテーションすることを目的としている。 分割・分散の精神において, 単純かつ多目的な枠組みを提案する。 提案手法は、DCP(disvision-and-conquer proxies)と呼ばれるもので、適切な信頼性のある情報の開発を可能にする。
  論文  参考訳（メタデータ） (2022-04-21T06:21:14Z)
• Diversified Multi-prototype Representation for Semi-supervised Segmentation [9.994508738317585]
  この研究は、半教師付きセグメンテーションをプロトタイプベクトル相関に基づく密度予測問題と考える。 ネットワークによって全てのプロトタイプベクトルが考慮されることを保証するために、2つの正規化戦略が適用される。 2つのベンチマーク医用セグメンテーションデータセットの実験結果から,アノテート画像が少ない場合にセグメンテーション性能を向上させる方法の有効性が明らかになった。
  論文  参考訳（メタデータ） (2021-11-16T17:33:58Z)
• Dual Prototypical Contrastive Learning for Few-shot Semantic Segmentation [55.339405417090084]
  本稿では,FSSタスクに適合する2つの特徴的コントラスト学習手法を提案する。 第一の考え方は、プロトタイプの特徴空間におけるクラス内距離を減少させながら、クラス間距離を増やすことで、プロトタイプをより差別的にすることである。 提案手法は,PASCAL-5iおよびCOCO-20iデータセット上で,最先端のFSS手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2021-11-09T08:14:50Z)
• Attentional Prototype Inference for Few-Shot Segmentation [128.45753577331422]
  数発のセグメンテーションのための確率的潜在変数フレームワークである注意型プロトタイプ推論(API)を提案する。 我々は各オブジェクトカテゴリのプロトタイプを表現するためにグローバル潜在変数を定義し、確率分布としてモデル化する。 我々は4つのベンチマークで広範な実験を行い、提案手法は最先端のプロトタイプベースの手法よりも、少なくとも競争力があり、しばしば優れた性能が得られる。
  論文  参考訳（メタデータ） (2021-05-14T06:58:44Z)
• Semi-Supervised Semantic Segmentation with Cross-Consistency Training [8.894935073145252]
  セマンティックセグメンテーションのための新しいクロス一貫性に基づく半教師付きアプローチを提案する。 提案手法は,いくつかのデータセットにおける最先端結果を実現する。
  論文  参考訳（メタデータ） (2020-03-19T20:10:37Z)

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。