論文の概要: Efficient Semantic Segmentation on Edge Devices

• arxiv url: http://arxiv.org/abs/2212.13691v1
• Date: Wed, 28 Dec 2022 04:13:11 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-29 14:53:29.832667
• Title: Efficient Semantic Segmentation on Edge Devices
• Title（参考訳）: エッジデバイスにおける効率的なセマンティックセグメンテーション
• Authors: Farshad Safavi, Irfan Ali, Venkatesh Dasari, Guanqun Song, Ting Zhu
• Abstract要約: 本研究は,災害時の緊急応答にこれらのモデルを適用する可能性を検討するために,現在のセマンティックセマンティックセマンティクスモデルを解析する。 実時間セマンティックセグメンテーションモデルと非実時間セマンティックセグメンテーションモデルの性能を, 対向条件下での空中画像によって制約された非実時間セマンティックセグメンテーションモデルと比較する。 さらに,Hurricane Harveyの後に捉えたUAV画像を含むFlood-Netデータセット上で,複数のモデルをトレーニングし,浸水した建物と非流出した建物と浸水した道路と非流出した道路とをベンチマークした。
• 参考スコア（独自算出の注目度）: 7.5562201794440185
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Semantic segmentation works on the computer vision algorithm for assigning each pixel of an image into a class. The task of semantic segmentation should be performed with both accuracy and efficiency. Most of the existing deep FCNs yield to heavy computations and these networks are very power hungry, unsuitable for real-time applications on portable devices. This project analyzes current semantic segmentation models to explore the feasibility of applying these models for emergency response during catastrophic events. We compare the performance of real-time semantic segmentation models with non-real-time counterparts constrained by aerial images under oppositional settings. Furthermore, we train several models on the Flood-Net dataset, containing UAV images captured after Hurricane Harvey, and benchmark their execution on special classes such as flooded buildings vs. non-flooded buildings or flooded roads vs. non-flooded roads. In this project, we developed a real-time UNet based model and deployed that network on Jetson AGX Xavier module.
• Abstract（参考訳）: セマンティックセグメンテーションは、画像の各ピクセルをクラスに割り当てるためのコンピュータビジョンアルゴリズムで動作する。 セグメンテーションのタスクは、正確性と効率の両方で実行されるべきである。 既存のディープFCNのほとんどは計算量が多いため、これらのネットワークは非常に強力で、ポータブルデバイス上のリアルタイムアプリケーションには適さない。 本研究は,現在のセマンティクスセグメンテーションモデルを分析し,災害時の緊急対応にこれらのモデルを適用する可能性を検討する。 実時間意味セグメンテーションモデルの性能を,対向環境下での空中画像に制約された非実時間セグメンテーションモデルと比較する。 さらに,Hurricane Harveyの後に捉えたUAV画像を含むFlood-Netデータセット上で,複数のモデルをトレーニングし,浸水した建物と非流出した建物と浸水した道路と非流出した道路とをベンチマークした。 本稿では,リアルタイムなUNetベースモデルを開発し,そのネットワークをJetson AGX Xavierモジュール上に展開した。

関連論文リスト

• SIGMA:Sinkhorn-Guided Masked Video Modeling [69.31715194419091]
  SIGMA (Sinkhorn-guided Masked Video Modelling) は、新しいビデオ事前学習法である。 時空管の特徴を,限られた数の学習可能なクラスタに均等に分散する。 10個のデータセットによる実験結果から,より高性能で時間的,堅牢な映像表現を学習する上で,SIGMAの有効性が検証された。
  論文  参考訳（メタデータ） (2024-07-22T08:04:09Z)
• Filling Missing Values Matters for Range Image-Based Point Cloud Segmentation [12.62718910894575]
  ポイントクラウドセグメンテーション(PCS)は、ロボットの知覚とナビゲーションタスクにおいて重要な役割を果たす。 大規模屋外点雲を効率的に理解するために、その範囲画像表現が一般的である。 しかし、範囲画像の望ましくない欠落値は、物体の形状やパターンを損なう。 この問題は、オブジェクトからコヒーレントで完全な幾何学的情報を学ぶ際に、モデルにとって困難を生じさせる。
  論文  参考訳（メタデータ） (2024-05-16T15:13:42Z)
• Lidar Annotation Is All You Need [0.0]
  本稿では,畳み込みニューラルネットワークを用いたマルチセンサ構成による画像分割の効率向上を目的とする。 当社のアプローチにおける重要な革新は、点雲からの粗い接地トラスマスクに対処する、マスク付き損失である。 ベンチマークデータセットに対するアプローチの実験的検証は、高品質の画像セグメンテーションモデルに匹敵する性能を示す。
  論文  参考訳（メタデータ） (2023-11-08T15:55:18Z)
• Real-Time Semantic Segmentation using Hyperspectral Images for Mapping Unstructured and Unknown Environments [2.408714894793063]
  本稿では,ハイパースペクトル画像を用いた実時間画素単位のセマンティック分類とセグメンテーションを提案する。 得られたセグメント画像は、ポリゴンとして抽出、フィルタリング、近似オブジェクトとして処理される。 得られたポリゴンは環境のセマンティックマップを生成するために使用される。
  論文  参考訳（メタデータ） (2023-03-27T22:33:55Z)
• Location-Aware Self-Supervised Transformers [74.76585889813207]
  画像部品の相対的な位置を予測し,セマンティックセグメンテーションのためのネットワークを事前訓練する。 参照パッチのサブセットを問合せのサブセットにマスキングすることで,タスクの難しさを制御します。 実験により,この位置認識事前学習が,いくつかの難解なセマンティックセグメンテーションベンチマークに競合する表現をもたらすことが示された。
  論文  参考訳（メタデータ） (2022-12-05T16:24:29Z)
• Deep Learning Computer Vision Algorithms for Real-time UAVs On-board Camera Image Processing [77.34726150561087]
  本稿では,ディープラーニングに基づくコンピュータビジョンアルゴリズムを用いて,小型UAVのリアルタイムセンサ処理を実現する方法について述べる。 すべてのアルゴリズムは、ディープニューラルネットワークに基づく最先端の画像処理手法を用いて開発されている。
  論文  参考訳（メタデータ） (2022-11-02T11:10:42Z)
• 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)
• End-to-End Trainable Deep Active Contour Models for Automated Image Segmentation: Delineating Buildings in Aerial Imagery [12.442780294349049]
  Trainable Deep Active Contours (TDAC)は、CNN(Convolutional Networks)とACM(Active Contour Models)を結合した自動イメージセグメンテーションフレームワークである。 TDACは、画像中の多くの建物を高速で、正確で、完全に自動で同時に配置する。
  論文  参考訳（メタデータ） (2020-07-22T21:27:17Z)
• 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)
• Real-Time High-Performance Semantic Image Segmentation of Urban Street Scenes [98.65457534223539]
  都市景観のロバストなセマンティックセマンティックセグメンテーションのためのリアルタイムDCNNに基づく高速DCNN手法を提案する。 提案手法は, 51.0 fps と 39.3 fps の推論速度で, 平均 73.6% と平均 68.0% (mIoU) の精度を実現する。
  論文  参考訳（メタデータ） (2020-03-11T08:45:53Z)

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。