論文の概要: EISeg: An Efficient Interactive Segmentation Tool based on PaddlePaddle
- arxiv url: http://arxiv.org/abs/2210.08788v2
- Date: Tue, 18 Oct 2022 02:38:35 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-19 10:44:34.358093
- Title: EISeg: An Efficient Interactive Segmentation Tool based on PaddlePaddle
- Title(参考訳): EISeg:PaddlePaddleをベースとした効率的なインタラクティブセグメンテーションツール
- Authors: Yuying Hao and Yi Liu and Yizhou Chen and Lin Han and Juncai Peng and
Shiyu Tang and Guowei Chen and Zewu Wu and Zeyu Chen and Baohua Lai
- Abstract要約: EISegは,画像分割アノテーションの効率を大幅に改善できるインタラクティブSEGmentationアノテーションツールである。
また、リモートセンシング、医用イメージング、産業品質検査、人間のセグメンテーション、ビデオセグメンテーションのための時間認識モデルなど、さまざまなドメイン固有モデルを提供する。
- 参考スコア(独自算出の注目度): 7.588694189597639
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In recent years, the rapid development of deep learning has brought great
advancements to image and video segmentation methods based on neural networks.
However, to unleash the full potential of such models, large numbers of
high-quality annotated images are necessary for model training. Currently, many
widely used open-source image segmentation software relies heavily on manual
annotation which is tedious and time-consuming. In this work, we introduce
EISeg, an Efficient Interactive SEGmentation annotation tool that can
drastically improve image segmentation annotation efficiency, generating highly
accurate segmentation masks with only a few clicks. We also provide various
domain-specific models for remote sensing, medical imaging, industrial quality
inspections, human segmentation, and temporal aware models for video
segmentation. The source code for our algorithm and user interface are
available at: https://github.com/PaddlePaddle/PaddleSeg.
- Abstract(参考訳): 近年、ディープラーニングの急速な発展により、ニューラルネットワークに基づく画像とビデオのセグメンテーション手法が大きな進歩を遂げている。
しかし,このようなモデルの可能性を最大限に発揮するためには,高品質な注釈画像が必要となる。
現在、多くのオープンソースイメージセグメンテーションソフトウェアは、退屈で時間がかかる手動アノテーションに大きく依存している。
本稿では,画像分割アノテーションの効率を劇的に向上し,数クリックで高精度なセグメント化マスクを生成できる,効率的な対話型セグメント化アノテーションツールeisegを紹介する。
また,遠隔センシング,医用画像,産業品質検査,人間のセグメンテーション,映像セグメンテーションのための時間的認識モデルなど,様々なドメイン固有モデルを提供する。
アルゴリズムとユーザインターフェースのソースコードは、https://github.com/PaddlePaddle/PaddleSeg.com/。
関連論文リスト
- Correlation-aware active learning for surgery video segmentation [13.327429312047396]
本研究は,手術ビデオセグメンテーション,COWAL,Correlation-aWare Active Learningのための新しいAL戦略を提案する。
提案手法では、コントラスト学習を用いて微調整された遅延空間に画像を投影し、ビデオフレームの局所クラスタから一定数の代表画像を選択する。
手術器具の2つのビデオデータセットと実世界の3つのビデオデータセットに対して,本手法の有効性を実証する。
論文 参考訳(メタデータ) (2023-11-15T09:30:52Z) - Using DUCK-Net for Polyp Image Segmentation [0.0]
DUCK-Netは、少量の医療画像から効果的に学習し、一般化し、正確なセグメンテーションタスクを実行することができる。
大腸内視鏡画像におけるポリープセグメンテーションに特有な機能を示す。
論文 参考訳(メタデータ) (2023-11-03T20:58:44Z) - DatasetDM: Synthesizing Data with Perception Annotations Using Diffusion
Models [61.906934570771256]
多様な合成画像や知覚アノテーションを生成できる汎用データセット生成モデルを提案する。
本手法は,事前学習した拡散モデルに基づいて,テキスト誘導画像合成を知覚データ生成に拡張する。
拡散モデルのリッチ潜時コードはデコーダモジュールを用いて正確な認識アノテーションとして効果的に復号できることを示す。
論文 参考訳(メタデータ) (2023-08-11T14:38:11Z) - Half-Real Half-Fake Distillation for Class-Incremental Semantic
Segmentation [84.1985497426083]
畳み込みニューラルネットワークは漸進的な学習に不適である。
新しいクラスは利用できるが、初期トレーニングデータは保持されない。
訓練されたセグメンテーションネットワークを「反転」して、ランダムノイズから始まる入力画像の合成を試みる。
論文 参考訳(メタデータ) (2021-04-02T03:47:16Z) - PaddleSeg: A High-Efficient Development Toolkit for Image Segmentation [3.587778373545689]
画像セグメンテーションのための高効率開発ツールキットPaddleSegを紹介する。
PaddleSegは、約20の人気のセグメンテーションモデルと、50以上のトレーニング済みモデルのリアルタイムおよび高精度レベルをサポートする。
当社のツールキットでトレーニングされたセグメンテーションアルゴリズムがより競争力のある精度を持つことを示すために,包括的なベンチマークと評価を提供する。
論文 参考訳(メタデータ) (2021-01-15T15:36:22Z) - Rethinking Interactive Image Segmentation: Feature Space Annotation [68.8204255655161]
本稿では,特徴空間投影による複数画像からの対話的・同時セグメントアノテーションを提案する。
本手法は,前景セグメンテーションデータセットにおける最先端手法の精度を上回ることができることを示す。
論文 参考訳(メタデータ) (2021-01-12T10:13:35Z) - 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) - Cross-Model Image Annotation Platform with Active Learning [0.0]
オブジェクトアノテーションと認識のためのEnd-to-Endパイプラインツールを提供する。
我々は,画像アノテーション,アクティブラーニング,モデルトレーニング,評価をシームレスに組み込んだモジュール型画像アノテーションプラットフォームを開発した。
最高精度は74%。
論文 参考訳(メタデータ) (2020-08-06T01:42:25Z) - 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) - Image Segmentation Using Deep Learning: A Survey [58.37211170954998]
イメージセグメンテーションは、画像処理とコンピュータビジョンにおいて重要なトピックである。
深層学習モデルを用いた画像セグメンテーション手法の開発を目的とした研究が,これまでに数多く行われている。
論文 参考訳(メタデータ) (2020-01-15T21:37:47Z)
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。