論文の概要: Weakly Supervised Human Skin Segmentation using Guidance Attention
Mechanisms
- arxiv url: http://arxiv.org/abs/2302.04625v1
- Date: Thu, 9 Feb 2023 13:20:49 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-10 15:43:15.881006
- Title: Weakly Supervised Human Skin Segmentation using Guidance Attention
Mechanisms
- Title（参考訳）: 誘導注意機構を用いた弱監視ヒト皮膚切片
- Authors: Kooshan Hashemifard, Pau Climent-Perez, Francisco Florez-Revuelta
- Abstract要約: 本稿では,単一の画像に対して頑健なデータ駆動型皮膚分割法を提案する。
提案手法は2つの注意モジュール,Body Attention と Skin Attention を組み込み,コンテキスト情報を用いてセグメンテーション結果を改善する。
本研究の結果から,提案手法はベンチマークデータセット上での最先端の手法に匹敵する,あるいは性能に優れることを示した。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Human skin segmentation is a crucial task in computer vision and biometric
systems, yet it poses several challenges such as variability in skin color,
pose, and illumination. This paper presents a robust data-driven skin
segmentation method for a single image that addresses these challenges through
the integration of contextual information and efficient network design. In
addition to robustness and accuracy, the integration into real-time systems
requires a careful balance between computational power, speed, and performance.
The proposed method incorporates two attention modules, Body Attention and Skin
Attention, that utilize contextual information to improve segmentation results.
These modules draw attention to the desired areas, focusing on the body
boundaries and skin pixels, respectively. Additionally, an efficient network
architecture is employed in the encoder part to minimize computational power
while retaining high performance. To handle the issue of noisy labels in skin
datasets, the proposed method uses a weakly supervised training strategy,
relying on the Skin Attention module. The results of this study demonstrate
that the proposed method is comparable to, or outperforms, state-of-the-art
methods on benchmark datasets.
- Abstract（参考訳）: 人間の皮膚のセグメンテーションはコンピュータビジョンや生体計測システムにおいて重要な課題であるが、肌の色の変化、ポーズ、照明などいくつかの課題がある。
本稿では,コンテキスト情報の統合と効率的なネットワーク設計を通じて,これらの課題に対処する単一の画像に対するロバストなデータ駆動スキン分割手法を提案する。
堅牢性と精度に加えて、リアルタイムシステムとの統合には、計算能力、速度、性能のバランスが慎重に必要である。
提案手法は2つの注意モジュール,Body Attention と Skin Attention を組み込み,コンテキスト情報を用いてセグメンテーション結果を改善する。
これらのモジュールは、それぞれ体の境界と皮膚のピクセルに焦点を当て、望ましい領域に注意を向ける。
さらに、エンコーダ部に効率的なネットワークアーキテクチャを用い、高性能を維持しながら計算能力を最小限に抑える。
皮膚データセットにおけるノイズラベルの問題に対処するため, 提案手法では, Skin Attentionモジュールに依存する弱教師付きトレーニング戦略を用いている。
本研究の結果から,提案手法はベンチマークデータセット上での最先端手法に匹敵する,あるいは優れることを示す。
関連論文リスト
- UnSegGNet: Unsupervised Image Segmentation using Graph Neural Networks [9.268228808049951]
この研究は、教師なし医療画像とコンピュータビジョンの幅広い分野に貢献する。
これは、現実世界の課題に沿うイメージセグメンテーションのための革新的な方法論である。
提案手法は,医用画像,リモートセンシング,物体認識など,多様な応用の可能性を秘めている。
論文 参考訳（メタデータ） (2024-05-09T19:02:00Z) - Self-trained Panoptic Segmentation [0.0]
パノプティックセグメンテーションは、セグメンテーションとインスタンスセグメンテーションを組み合わせた重要なコンピュータビジョンタスクである。
近年の自己教師型学習手法の進歩は、擬似ラベルを生成するために、合成データと非ラベルデータを活用する大きな可能性を示している。
本研究の目的は,合成領域適応問題における自己学習を用いた埋め込み型自己教師型単眼セグメンテーションを実現するためのフレームワークを開発することである。
論文 参考訳（メタデータ） (2023-11-17T17:06:59Z) - Self-supervised Semantic Segmentation: Consistency over Transformation [3.485615723221064]
Inception Large Kernel Attention (I-LKA) モジュールをベースとしたロバストなフレームワークを統合した新しい自己教師型アルゴリズム textbfS$3$-Net を提案する。
我々は、変形可能な畳み込みを積分成分として利用し、優れた物体境界定義のための歪み変形を効果的に捕捉し、デライン化する。
皮膚病変および肺臓器の分節タスクに関する実験結果から,SOTA法と比較して,本手法の優れた性能を示した。
論文 参考訳（メタデータ） (2023-08-31T21:28:46Z) - Adaptive Local-Component-aware Graph Convolutional Network for One-shot
Skeleton-based Action Recognition [54.23513799338309]
骨格に基づく行動認識のための適応的局所成分認識グラフ畳み込みネットワークを提案する。
我々の手法はグローバルな埋め込みよりも強力な表現を提供し、我々のモデルが最先端に到達するのに役立ちます。
論文 参考訳（メタデータ） (2022-09-21T02:33:07Z) - Information-Theoretic Odometry Learning [83.36195426897768]
生体計測推定を目的とした学習動機付け手法のための統合情報理論フレームワークを提案する。
提案フレームワークは情報理論言語の性能評価と理解のためのエレガントなツールを提供する。
論文 参考訳（メタデータ） (2022-03-11T02:37:35Z) - Improved Speech Emotion Recognition using Transfer Learning and
Spectrogram Augmentation [56.264157127549446]
音声感情認識(SER)は、人間とコンピュータの相互作用において重要な役割を果たす課題である。
SERの主な課題の1つは、データの不足である。
本稿では,スペクトログラム拡張と併用した移動学習戦略を提案する。
論文 参考訳（メタデータ） (2021-08-05T10:39:39Z) - Unsupervised Image Segmentation by Mutual Information Maximization and
Adversarial Regularization [7.165364364478119]
InMARS(Information Maximization and Adrial Regularization)と呼ばれる新しい教師なしセマンティックセマンティックセマンティクス手法を提案する。
シーンを知覚群に解析する人間の知覚に触発され、提案手法はまず、入力画像を意味のある領域(スーパーピクセルとも呼ばれる)に分割する。
次に、相互情報最大化(Multual-Information-Maximization)と、それらの領域を意味論的に意味のあるクラスにクラスタ化するための敵対的トレーニング戦略を利用する。
提案手法は2つの非教師付きセマンティックセグメンテーションデータセット上での最先端性能を実現することを実証した。
論文 参考訳（メタデータ） (2021-07-01T18:36:27Z) - Learning to Segment Human Body Parts with Synthetically Trained Deep
Convolutional Networks [58.0240970093372]
本稿では,合成データのみを用いて学習した深部畳み込みニューラルネットワークに基づく人体部分分割のための新しい枠組みを提案する。
提案手法は,人体部品の実際の注釈付きデータを用いてモデルを訓練することなく,最先端の結果が得られる。
論文 参考訳（メタデータ） (2021-02-02T12:26:50Z) - A Survey on Deep Learning Methods for Semantic Image Segmentation in
Real-Time [0.0]
ロボット工学や自動運転車など、多くの分野において、セマンティックイメージのセグメンテーションが不可欠である。
診断と治療の成功は、検討中のデータの極めて正確な理解に依存している。
近年のディープラーニングの進歩は、この問題に効果的かつ高精度に対処するためのツールを多数提供してきた。
論文 参考訳（メタデータ） (2020-09-27T20:30:10Z) - A Trainable Optimal Transport Embedding for Feature Aggregation and its
Relationship to Attention [96.77554122595578]
固定サイズのパラメータ化表現を導入し、与えられた入力セットから、そのセットとトレーニング可能な参照の間の最適な輸送計画に従って要素を埋め込み、集約する。
我々のアプローチは大規模なデータセットにスケールし、参照のエンドツーエンドのトレーニングを可能にすると同時に、計算コストの少ない単純な教師なし学習メカニズムも提供する。
論文 参考訳（メタデータ） (2020-06-22T08:35:58Z) - Towards High Performance Human Keypoint Detection [87.1034745775229]
文脈情報は人体構成や見えないキーポイントを推論する上で重要な役割を担っている。
そこで我々は,空間とチャネルのコンテキスト情報を効率的に統合するカスケードコンテキストミキサー(CCM)を提案する。
CCMの表現能力を最大化するために、我々は、強陰性な人検出マイニング戦略と共同訓練戦略を開発する。
検出精度を向上させるために,キーポイント予測を後処理するためのいくつかのサブピクセル改良手法を提案する。
論文 参考訳（メタデータ） (2020-02-03T02:24:51Z)
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。