Fugu-MT 論文翻訳(概要): Self Correspondence Distillation for End-to-End Weakly-Supervised Semantic Segmentation

論文の概要: Self Correspondence Distillation for End-to-End Weakly-Supervised Semantic Segmentation

arxiv url: http://arxiv.org/abs/2302.13765v1
Date: Mon, 27 Feb 2023 13:46:40 GMT
ステータス: 処理完了
システム内更新日: 2023-02-28 15:39:15.189485
Title: Self Correspondence Distillation for End-to-End Weakly-Supervised Semantic Segmentation
Title（参考訳）: エンドツーエンド弱教師付き意味セグメンテーションのための自己対応蒸留
Authors: Rongtao Xu, Changwei Wang, Jiaxi Sun, Shibiao Xu, Weiliang Meng, Xiaopeng Zhang
Abstract要約: 本稿では, 外部監視を導入することなく, 擬似ラベルを精製するための新しい自己対応蒸留法を提案する。さらに,擬似ラベルの局所的一貫性を高めるために,変分対応リファインモジュールを設計する。我々の手法は、他の最先端手法よりも大幅に優れています。
参考スコア（独自算出の注目度）: 13.623713806739271
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Efficiently training accurate deep models for weakly supervised semantic segmentation (WSSS) with image-level labels is challenging and important. Recently, end-to-end WSSS methods have become the focus of research due to their high training efficiency. However, current methods suffer from insufficient extraction of comprehensive semantic information, resulting in low-quality pseudo-labels and sub-optimal solutions for end-to-end WSSS. To this end, we propose a simple and novel Self Correspondence Distillation (SCD) method to refine pseudo-labels without introducing external supervision. Our SCD enables the network to utilize feature correspondence derived from itself as a distillation target, which can enhance the network's feature learning process by complementing semantic information. In addition, to further improve the segmentation accuracy, we design a Variation-aware Refine Module to enhance the local consistency of pseudo-labels by computing pixel-level variation. Finally, we present an efficient end-to-end Transformer-based framework (TSCD) via SCD and Variation-aware Refine Module for the accurate WSSS task. Extensive experiments on the PASCAL VOC 2012 and MS COCO 2014 datasets demonstrate that our method significantly outperforms other state-of-the-art methods. Our code is available at {https://github.com/Rongtao-Xu/RepresentationLearning/tree/main/SCD-AAAI2023}.
Abstract（参考訳）: 画像レベルラベルによる弱教師付きセマンティックセグメンテーション(WSSS)の精度の高い深層モデルの訓練は困難かつ重要である。近年,訓練効率が高いため,エンドツーエンドのWSSS手法が研究の中心となっている。しかし、現在の手法では包括的意味情報の抽出が不十分なため、品質の低い擬似ラベルや、エンドツーエンドWSSSのサブ最適解が得られる。そこで本研究では, 外部監視を導入することなく, 疑似ラベルを洗練するための, 単純かつ新しい自己対応蒸留法を提案する。このscdにより,自己由来の特徴対応を蒸留対象として利用することが可能となり,意味情報を補完することにより,ネットワークの特徴学習プロセスを強化することができる。さらに,セグメンテーション精度をさらに向上させるため,画素レベルの変動を計算し,擬似ラベルの局所的一貫性を高めるために,変分認識型リファインメントモジュールを設計した。最後に、正確なWSSSタスクに対して、SCDおよび変分対応Refine Moduleを介して効率的なエンドツーエンドトランスフォーマーベースフレームワーク(TSCD)を提案する。 PASCAL VOC 2012 と MS COCO 2014 データセットの大規模な実験により,本手法が他の最先端手法よりも優れていることが示された。私たちのコードは、https://github.com/Rongtao-Xu/RepresentationLearning/tree/main/SCD-AAAI2023}で利用可能です。

関連論文リスト

AdaSemiCD: An Adaptive Semi-Supervised Change Detection Method Based on Pseudo-Label Evaluation [0.0]
擬似ラベルの使用を改善するための適応型動的半教師付き学習手法であるAdaCDを提案し,学習過程を最適化する。 LEVIR-CD, WHU-CD, CDDデータセットによる実験結果から, 適応学習フレームワークの有効性と普遍性を検証した。
論文参考訳（メタデータ） (2024-11-12T12:35:34Z)
Unsupervised Domain Adaptation for Semantic Segmentation with Pseudo Label Self-Refinement [9.69089112870202]
擬似ラベルのオンライン精錬のための補助的擬似ラベル精錬ネットワーク(PRN)を提案する。 3つの異なるドメインシフトを持つベンチマークデータセットに対する我々のアプローチを評価する。
論文参考訳（メタデータ） (2023-10-25T20:31:07Z)
Hard-aware Instance Adaptive Self-training for Unsupervised Cross-domain Semantic Segmentation [18.807921765977415]
セマンティックセグメンテーションの課題に対して,UDAのための適応型自己学習フレームワークを提案する。我々は,インスタンス適応セレクタを用いた新しい擬似ラベル生成戦略を開発した。 GTA5からCityscapesへ、SynTHIAからCityscapesへ、そしてCityscapesからOxford RobotCarへの実験は、我々のアプローチの優れた性能を実証した。
論文参考訳（メタデータ） (2023-02-14T11:52:26Z)
Dense FixMatch: a simple semi-supervised learning method for pixel-wise prediction tasks [68.36996813591425]
Dense FixMatchは,高密度かつ構造化された予測タスクのオンライン半教師付き学習のための簡易な手法である。我々は、擬似ラベルにマッチング操作を追加することにより、画像分類を超えた半教師付き学習問題にFixMatchの適用を可能にする。 Dense FixMatchは、ラベル付きデータのみを使用して教師付き学習と比較すると、結果を著しく改善し、ラベル付きサンプルの1/4でそのパフォーマンスに近づいた。
論文参考訳（メタデータ） (2022-10-18T15:02:51Z)
Dense Learning based Semi-Supervised Object Detection [46.885301243656045]
半教師付きオブジェクト検出(SSOD)は、大量のラベルのないデータの助けを借りて、オブジェクト検出器の訓練と展開を容易にすることを目的としている。本稿では,DenSe Learningに基づくアンカーフリーSSODアルゴリズムを提案する。実験はMS-COCOとPASCAL-VOCで行われ,提案手法は新たな最先端SSOD性能を記録する。
論文参考訳（メタデータ） (2022-04-15T02:31:02Z)
Learning Affinity from Attention: End-to-End Weakly-Supervised Semantic Segmentation with Transformers [44.757309147148035]
グローバル情報を自然に統合したTransformerを導入し、エンドツーエンドWSSSのためのより統合された初期擬似ラベルを生成する。本稿では,トランスフォーマーにおける自己意識と意味親和性の間に固有の一貫性を動機として,アフィニティ・オブ・アフィニティ(AFA)モジュールを提案する。また,Pixel-Adaptive Refinementモジュールを設計し,低レベル画像の外観情報を組み込んで擬似ラベルを精査する。
論文参考訳（メタデータ） (2022-03-05T06:07:17Z)
Real-Time Scene Text Detection with Differentiable Binarization and Adaptive Scale Fusion [62.269219152425556]
セグメンテーションに基づくシーンテキスト検出手法はシーンテキスト検出分野において大きな注目を集めている。本稿では,二項化処理をセグメンテーションネットワークに統合する分散二項化(DB)モジュールを提案する。アダプティブ・スケール・フュージョン (ASF) モジュールは, 異なるスケールの特徴を適応的に融合させることにより, スケールのロバスト性を向上させる。
論文参考訳（メタデータ） (2022-02-21T15:30:14Z)
Improving Semi-Supervised and Domain-Adaptive Semantic Segmentation with Self-Supervised Depth Estimation [94.16816278191477]
本稿では,セミアダプティブなセマンティック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フレームワークを提案する。ラベルのない画像シーケンスでのみ訓練された自己教師付き単眼深度推定によって強化される。提案したモデルをCityscapesデータセット上で検証する。
論文参考訳（メタデータ） (2021-08-28T01:33:38Z)
A Simple Baseline for Semi-supervised Semantic Segmentation with Strong Data Augmentation [74.8791451327354]
セマンティックセグメンテーションのためのシンプルで効果的な半教師付き学習フレームワークを提案する。単純な設計とトレーニングのテクニックのセットは、半教師付きセマンティックセグメンテーションの性能を大幅に向上させることができる。本手法は,Cityscapes と Pascal VOC データセットの半教師付き設定において,最先端の処理結果を実現する。
論文参考訳（メタデータ） (2021-04-15T06:01:39Z)
PseudoSeg: Designing Pseudo Labels for Semantic Segmentation [78.35515004654553]
ラベルなしまたは弱いラベル付きデータを用いたトレーニングのための構造化された擬似ラベルを生成するための擬似ラベルの再設計を提案する。提案手法の有効性を,低データと高データの両方において示す。
論文参考訳（メタデータ） (2020-10-19T17:59:30Z)
Deep Semi-supervised Knowledge Distillation for Overlapping Cervical Cell Instance Segmentation [54.49894381464853]
本稿では, ラベル付きデータとラベルなしデータの両方を, 知識蒸留による精度向上に活用することを提案する。摂動に敏感なサンプルマイニングを用いたマスク誘導型平均教師フレームワークを提案する。実験の結果,ラベル付きデータのみから学習した教師付き手法と比較して,提案手法は性能を著しく向上することがわかった。
論文参考訳（メタデータ） (2020-07-21T13:27:09Z)

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。