Fugu-MT 論文翻訳(概要): FECANet: Boosting Few-Shot Semantic Segmentation with Feature-Enhanced Context-Aware Network

論文の概要: FECANet: Boosting Few-Shot Semantic Segmentation with Feature-Enhanced Context-Aware Network

arxiv url: http://arxiv.org/abs/2301.08160v1
Date: Thu, 19 Jan 2023 16:31:13 GMT
ステータス: 処理完了
システム内更新日: 2023-01-20 14:41:28.641209
Title: FECANet: Boosting Few-Shot Semantic Segmentation with Feature-Enhanced Context-Aware Network
Title（参考訳）: FECANet:Feature-Enhanced Context-Aware NetworkによるFew-Shot Semantic Segmentationの強化
Authors: Huafeng Liu, Pai Peng, Tao Chen, Qiong Wang, Yazhou Yao, and Xian-Sheng Hua
Abstract要約: Few-shot セマンティックセグメンテーション(Few-shot semantic segmentation)は、新しいクラスの各ピクセルを、わずかに注釈付きサポートイメージで検索するタスクである。本稿では,クラス間の類似性に起因するマッチングノイズを抑制するために,機能拡張コンテキスト認識ネットワーク(FECANet)を提案する。さらに,前景と背景の余分な対応関係を符号化する新たな相関再構成モジュールを提案する。
参考スコア（独自算出の注目度）: 48.912196729711624
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Few-shot semantic segmentation is the task of learning to locate each pixel of the novel class in the query image with only a few annotated support images. The current correlation-based methods construct pair-wise feature correlations to establish the many-to-many matching because the typical prototype-based approaches cannot learn fine-grained correspondence relations. However, the existing methods still suffer from the noise contained in naive correlations and the lack of context semantic information in correlations. To alleviate these problems mentioned above, we propose a Feature-Enhanced Context-Aware Network (FECANet). Specifically, a feature enhancement module is proposed to suppress the matching noise caused by inter-class local similarity and enhance the intra-class relevance in the naive correlation. In addition, we propose a novel correlation reconstruction module that encodes extra correspondence relations between foreground and background and multi-scale context semantic features, significantly boosting the encoder to capture a reliable matching pattern. Experiments on PASCAL-$5^i$ and COCO-$20^i$ datasets demonstrate that our proposed FECANet leads to remarkable improvement compared to previous state-of-the-arts, demonstrating its effectiveness.
Abstract（参考訳）: Few-shot セマンティックセグメンテーション(Few-shot semantic segmentation)は、新しいクラスの各ピクセルを、いくつかの注釈付きサポートイメージで検索するタスクである。現在の相関に基づく手法では, 相関関係を学習できないため, 多対多マッチングを確立するために, ペアワイズ特徴相関を構築している。しかし,既存の手法は,ナイーブな相関関係に含まれるノイズや,相関関係における文脈意味情報の欠如に悩まされている。上記の問題を緩和するため,機能拡張コンテキスト認識ネットワーク(FECANet)を提案する。具体的には,クラス間の局所的類似性に起因する一致雑音を抑制し,ナイーブ相関におけるクラス内関連性を高める機能拡張モジュールを提案する。さらに,前景と背景の余分な対応関係を符号化し,マルチスケールのコンテキストセマンティック特徴を符号化する新たな相関再構成モジュールを提案する。 PASCAL-$5^i$およびCOCO-$20^i$データセットによる実験により,提案したFECANetは,従来の最先端技術と比較して著しく改善され,その効果が示された。

関連論文リスト

Bridging the Modality Gap: Dimension Information Alignment and Sparse Spatial Constraint for Image-Text Matching [10.709744162565274]
本稿では2つの側面からモダリティギャップを橋渡しするDIASと呼ばれる新しい手法を提案する。この方法はFlickr30kとMSCOCOベンチマークで4.3%-10.2%のrSum改善を実現している。
論文参考訳（メタデータ） (2024-10-22T09:37:29Z)
Spuriousness-Aware Meta-Learning for Learning Robust Classifiers [26.544938760265136]
Spurious correlations is brittle associations between certain attribute of inputs and target variables。深部画像分類器はしばしばそれらを予測に利用し、相関が持たないデータの一般化が不十分になる。スプリアス相関の影響を緩和することはロバストなモデル一般化に不可欠であるが、しばしばデータ内のスプリアス相関のアノテーションを必要とする。
論文参考訳（メタデータ） (2024-06-15T21:41:25Z)
Efficient Semantic Matching with Hypercolumn Correlation [58.92933923647451]
HCCNetは効率的で効果的なセマンティックマッチング手法である。マルチスケール相関写像の完全なポテンシャルを利用する。 4D相関マップ上では、高価なマッチング関係のマイニングに頼っている。
論文参考訳（メタデータ） (2023-11-07T20:40:07Z)
IDRNet: Intervention-Driven Relation Network for Semantic Segmentation [34.09179171102469]
同時進行の視覚パターンは、画素関係モデリングが密接な予測タスクを促進することを示唆している。印象的な結果にもかかわらず、既存のパラダイムは、しばしば不適切または効果的な文脈情報集約に悩まされる。我々は,textbfIntervention-textbfDriven textbfRelation textbfNetworkを提案する。
論文参考訳（メタデータ） (2023-10-16T18:37:33Z)
Multi-scale Target-Aware Framework for Constrained Image Splicing Detection and Localization [11.803255600587308]
統合パイプラインにおける特徴抽出と相関マッチングを結合するマルチスケールなターゲット認識フレームワークを提案する。提案手法は,関連パッチの協調学習を効果的に促進し,特徴学習と相関マッチングの相互促進を行う。我々の実験では、統一パイプラインを用いたモデルが、いくつかのベンチマークデータセット上で最先端の手法より優れていることを示した。
論文参考訳（メタデータ） (2023-08-18T07:38:30Z)
Discriminative Co-Saliency and Background Mining Transformer for Co-Salient Object Detection [111.04994415248736]
我々は差別的共存とバックグラウンドマイニング・トランスフォーマー・フレームワーク(DMT)を提案する。我々は2種類の事前定義されたトークンを用いて、コントラスト誘起画素間相関モジュールとコサリエンストークン間相関モジュールを用いて、コサリエンシと背景情報をマイニングする。 3つのベンチマークデータセットの実験結果から,提案手法の有効性が示された。
論文参考訳（メタデータ） (2023-04-30T15:56:47Z)
Semantic Correspondence with Transformers [68.37049687360705]
本稿では,変換器を用いたコストアグリゲーション(CAT)を提案し,意味論的に類似した画像間の密接な対応を見出す。初期相関マップと多レベルアグリゲーションを曖昧にするための外観親和性モデリングを含む。提案手法の有効性を示す実験を行い,広範囲にわたるアブレーション研究を行った。
論文参考訳（メタデータ） (2021-06-04T14:39:03Z)
GOCor: Bringing Globally Optimized Correspondence Volumes into Your Neural Network [176.3781969089004]
特徴相関層は、画像ペア間の密接な対応を含むコンピュータビジョン問題において、重要なニューラルネットワークモジュールとして機能する。我々は,特徴相関層の直接置換として機能する,完全に微分可能な密マッチングモジュール GOCor を提案する。本手法は,幾何マッチング,光学フロー,密接なセマンティックマッチングのタスクにおいて,特徴相関層を著しく上回っている。
論文参考訳（メタデータ） (2020-09-16T17:33:01Z)
Out-of-distribution Generalization via Partial Feature Decorrelation [72.96261704851683]
本稿では,特徴分解ネットワークと対象画像分類モデルとを協調的に最適化する,PFDL(Partial Feature Deorrelation Learning)アルゴリズムを提案する。実世界のデータセットを用いた実験により,OOD画像分類データセットにおけるバックボーンモデルの精度が向上することを示した。
論文参考訳（メタデータ） (2020-07-30T05:48:48Z)

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。