論文の概要: Edge-aware Plug-and-play Scheme for Semantic Segmentation

• arxiv url: http://arxiv.org/abs/2303.10307v1
• Date: Sat, 18 Mar 2023 02:17:37 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-21 20:13:04.338009
• Title: Edge-aware Plug-and-play Scheme for Semantic Segmentation
• Title（参考訳）: 意味セグメンテーションのためのエッジアウェアプラグ・アンド・プレイスキーム
• Authors: Jianye Yi and Xiaopin Zhong and Weixiang Liu and Wenxuan Zhu and Zongze Wu and Yuanlong Deng
• Abstract要約: 提案手法は, 改良を伴わない任意の最先端(SOTA)モデルにシームレスに統合できる。 実験結果から,提案手法は改良を伴わない任意の最先端(SOTA)モデルにシームレスに統合できることが示唆された。
• 参考スコア（独自算出の注目度）: 4.297988192695948
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Semantic segmentation is a classic and fundamental computer vision problem dedicated to assigning each pixel with its corresponding class. Some recent methods introduce edge-based information for improving the segmentation performance. However these methods are specific and limited to certain network architectures, and they can not be transferred to other models or tasks. Therefore, we propose an abstract and universal edge supervision method called Edge-aware Plug-and-play Scheme (EPS), which can be easily and quickly applied to any semantic segmentation models. The core is edge-width/thickness preserving guided for semantic segmentation. The EPS first extracts the Edge Ground Truth (Edge GT) with a predefined edge thickness from the training data; and then for any network architecture, it directly copies the decoder head for the auxiliary task with the Edge GT supervision. To ensure the edge thickness preserving consistantly, we design a new boundarybased loss, called Polar Hausdorff (PH) Loss, for the auxiliary supervision. We verify the effectiveness of our EPS on the Cityscapes dataset using 22 models. The experimental results indicate that the proposed method can be seamlessly integrated into any state-of-the-art (SOTA) models with zero modification, resulting in promising enhancement of the segmentation performance.
• Abstract（参考訳）: セマンティックセグメンテーション(Semantic segmentation)は、各ピクセルを対応するクラスに割り当てることに特化した古典的で基本的なコンピュータビジョン問題である。 近年,セグメンテーション性能向上のためのエッジベース情報を導入している。 しかし、これらの手法は特定のネットワークアーキテクチャに限られており、他のモデルやタスクに転送することはできない。 そこで本研究では,エッジ・アウェア・プラグ・アンド・プレイ・スキーム(EPS)と呼ばれる,抽象的かつ普遍的なエッジ監視手法を提案する。 コアは、セマンティックセグメンテーションのためのエッジ幅/厚さ保存ガイドである。 EPSはトレーニングデータからエッジグラウンドトゥルース(Edge Ground Truth, Edge GT)を予め定義されたエッジ厚みで抽出し、任意のネットワークアーキテクチャに対して、Edge GT監督による補助的なタスクのためにデコーダヘッドを直接コピーする。 エッジの厚みを一定に保つために,Pola Hausdorff (PH) Lossと呼ばれる新たな境界に基づく損失を補助的な監視のために設計する。 都市景観データセットにおけるEPSの有効性を22モデルを用いて検証した。 実験の結果,提案手法は無修正で任意の最先端(sota)モデルにシームレスに統合でき,セグメンテーション性能の向上が期待できることがわかった。

関連論文リスト

• SuperEdge: Towards a Generalization Model for Self-Supervised Edge Detection [2.912976132828368]
  最先端のピクセルワイドアノテーションは労働集約的であり、手作業で取得すると矛盾する。 本稿では, マルチレベルのマルチホログラフィー技術を用いて, 合成データセットから実世界のデータセットへアノテーションを転送する, エッジ検出のための新しい自己教師型アプローチを提案する。 提案手法は,手動の注釈付きエッジラベルへの依存性を排除し,多様なデータセット間の一般化性を向上させる。
  論文  参考訳（メタデータ） (2024-01-04T15:21:53Z)
• Edge-Aware Mirror Network for Camouflaged Object Detection [5.032585246295627]
  エッジ検出と擬似オブジェクトセグメンテーションをモデル化する新しいエッジ対応ミラーネットワーク(EAMNet)を提案する。 EAMNetは2分岐アーキテクチャを持ち、セグメンテーションによるエッジアグリゲーションモジュールとエッジによる完全アグリゲーションモジュールがセグメンテーションブランチとエッジ検出ブランチをクロスガイドするように設計されている。 実験の結果,EAMNetは3つの広く使用されているCODデータセットにおいて,既存の最先端ベースラインよりも優れていた。
  論文  参考訳（メタデータ） (2023-07-08T08:14:49Z)
• SegT: A Novel Separated Edge-guidance Transformer Network for Polyp Segmentation [10.144870911523622]
  本稿では, 効率的なポリープ分割モデルを構築することを目的とした, エッジ誘導変換器 (SegT) ネットワークを提案する。 既存のCNNベースのアプローチよりも堅牢な表現を学習するトランスフォーマーエンコーダが特に適用された。 SegTの有効性を評価するために、5つの挑戦的な公開データセットを用いて実験を行った。
  論文  参考訳（メタデータ） (2023-06-19T08:32:05Z)
• Refined Edge Usage of Graph Neural Networks for Edge Prediction [51.06557652109059]
  We propose a novel edge prediction paradigm named Edge-aware Message PassIng neuRal nEtworks (EMPIRE)。 まず,各エッジをトポロジや監督のためにのみ使用するエッジ分割手法を提案する。 監視エッジで接続されたペアと接続されていないペアの差を強調するために、さらにメッセージを重み付けして、その差を反映できる相対的なペアを強調します。
  論文  参考訳（メタデータ） (2022-12-25T23:19:56Z)
• LESS: Label-Efficient Semantic Segmentation for LiDAR Point Clouds [62.49198183539889]
  我々は,LiDAR点雲を用いた屋外シーンのためのラベル効率のよいセマンティックセマンティックセマンティクスパイプラインを提案する。 本手法は,半弱教師付き学習を用いて,効率的なラベリング手法を設計する。 提案手法は,100%ラベル付き完全教師付き手法と比較して,さらに競争力が高い。
  論文  参考訳（メタデータ） (2022-10-14T19:13:36Z)
• Attention-based fusion of semantic boundary and non-boundary information to improve semantic segmentation [9.518010235273783]
  本稿では,新しい融合方式に基づく画像意味的セグメンテーション手法を提案する。 我々の提案の主な目的は、全体セグメンテーション性能を改善するために、オブジェクト境界情報を調べることである。 提案したモデルでは,CityScapes,CamVid,Pascal Contextデータセットで最高のmIoU,Mapillary Vistasで2番目によいmIoUを達成した。
  論文  参考訳（メタデータ） (2021-08-05T20:46:53Z)
• Affinity Attention Graph Neural Network for Weakly Supervised Semantic Segmentation [86.44301443789763]
  弱教師付きセマンティックセグメンテーションのための親和性注意グラフニューラルネットワーク(A2$GNN)を提案する。 提案手法は,Pascal VOC 2012データセット上での最先端のパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2021-06-08T02:19:21Z)
• Boundary-Aware Geometric Encoding for Semantic Segmentation of Point Clouds [45.270215729464056]
  境界情報は2Dイメージセグメンテーションにおいて重要な役割を果たすが、通常は3Dポイントクラウドセグメンテーションでは無視される。 境界点を予測するための境界予測モジュール(BPM)を提案する。 予測された境界に基づいて、境界認識ジオメトリック。 GEMは、幾何学的情報をエンコードし、近隣の差別を伴う特徴を集約するように設計されている。
  論文  参考訳（メタデータ） (2021-01-07T05:38:19Z)
• Towards Efficient Scene Understanding via Squeeze Reasoning [71.1139549949694]
  我々はSqueeze Reasoningと呼ばれる新しいフレームワークを提案する。 空間地図上の情報を伝播するのではなく、まず入力特徴をチャネルワイドなグローバルベクトルに絞ることを学ぶ。 提案手法はエンドツーエンドのトレーニングブロックとしてモジュール化可能であり,既存のネットワークに簡単に接続可能であることを示す。
  論文  参考訳（メタデータ） (2020-11-06T12:17:01Z)
• Improving Semantic Segmentation via Decoupled Body and Edge Supervision [89.57847958016981]
  既存のセグメンテーションアプローチは、グローバルコンテキストをモデル化することでオブジェクトの内部の一貫性を改善すること、あるいはマルチスケールの特徴融合によって境界に沿ったオブジェクトの詳細を洗練することを目的としている。 本稿では,セマンティックセグメンテーションのための新しいパラダイムを提案する。 我々の洞察は、セマンティックセグメンテーションの魅力ある性能には、画像の高頻度と低頻度に対応するオブジェクトのテキストボディとテキストエッジを具体的にモデル化する必要があるということである。 さまざまなベースラインやバックボーンネットワークを備えた提案したフレームワークが,オブジェクト内部の一貫性とオブジェクト境界を向上させることを示す。
  論文  参考訳（メタデータ） (2020-07-20T12:11:22Z)
• Spatial Pyramid Based Graph Reasoning for Semantic Segmentation [67.47159595239798]
  セマンティックセグメンテーションタスクにグラフ畳み込みを適用し、改良されたラプラシアンを提案する。 グラフ推論は、空間ピラミッドとして構成された元の特徴空間で直接実行される。 計算とメモリのオーバーヘッドの利点で同等のパフォーマンスを実現しています。
  論文  参考訳（メタデータ） (2020-03-23T12:28:07Z)

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。