論文の概要: SRCNet: Seminal Representation Collaborative Network for Marine Oil Spill Segmentation

• arxiv url: http://arxiv.org/abs/2304.14500v1
• Date: Mon, 17 Apr 2023 13:23:03 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-07 16:23:30.334632
• Title: SRCNet: Seminal Representation Collaborative Network for Marine Oil Spill Segmentation
• Title（参考訳）: SRCNet:海洋石油スパイルセグメンテーションのためのセミナル表現協調ネットワーク
• Authors: Fang Chen, Heiko Balzter, Peng Ren and Huiyu Zhou
• Abstract要約: 本研究では,SRCNet という油流出画像分割ネットワークを提案する。 SAR画像を記述するセミナル表現の協調により、ディープニューラルネットワークのペアで構築される。 提案するSRCNetは,効率的な石油流出セグメンテーションを経済的かつ効率的に運用する。
• 参考スコア（独自算出の注目度）: 18.96012241344086
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Effective oil spill segmentation in Synthetic Aperture Radar (SAR) images is critical for marine oil pollution cleanup, and proper image representation is helpful for accurate image segmentation. In this paper, we propose an effective oil spill image segmentation network named SRCNet by leveraging SAR image representation and the training for oil spill segmentation simultaneously. Specifically, our proposed segmentation network is constructed with a pair of deep neural nets with the collaboration of the seminal representation that describes SAR images, where one deep neural net is the generative net which strives to produce oil spill segmentation maps, and the other is the discriminative net which trys its best to distinguish between the produced and the true segmentations, and they thus built a two-player game. Particularly, the seminal representation exploited in our proposed SRCNet originates from SAR imagery, modelling with the internal characteristics of SAR images. Thus, in the training process, the collaborated seminal representation empowers the mapped generative net to produce accurate oil spill segmentation maps efficiently with small amount of training data, promoting the discriminative net reaching its optimal solution at a fast speed. Therefore, our proposed SRCNet operates effective oil spill segmentation in an economical and efficient manner. Additionally, to increase the segmentation capability of the proposed segmentation network in terms of accurately delineating oil spill details in SAR images, a regularisation term that penalises the segmentation loss is devised. This encourages our proposed SRCNet for accurately segmenting oil spill areas from SAR images. Empirical experimental evaluations from different metrics validate the effectiveness of our proposed SRCNet for oil spill image segmentation.
• Abstract（参考訳）: 合成開口レーダ(SAR)画像における有効油流出セグメンテーションは,海洋汚染の浄化に不可欠であり,適切な画像表現は正確な画像セグメンテーションに有用である。 本稿では,SAR画像表現と油流出画像の訓練を同時に行うことにより,SRCNetという有効油流出画像セグメンテーションネットワークを提案する。 提案するセグメンテーションネットワークは,一対のディープ・ニューラルネットを用いて構築され,SAR画像を表現したセミナル表現を用いて構築され,一対のディープ・ニューラルネットは油流出セグメンテーションマップの生成を試みているジェネレーション・ネットであり,他方は生成したセグメンテーションと真のセグメンテーションを区別する最善を尽くそうとする識別ネットであり,それによって2プレイヤー・ゲームを構築した。 特に,提案するSRCNetで活用されるセミナル表現は,SAR画像の内部特性をモデル化したSAR画像に由来する。 これにより、協調したセミナル表現は、マッピングされた生成ネットに、少量のトレーニングデータで高精度なオイル流出セグメンテーションマップを効率よく作成し、最適な解に到達した識別ネットを高速に促進する。 そこで,提案するSRCNetは,効率的な石油流出セグメンテーションを経済的かつ効率的に行う。 さらに,SAR画像における油流出詳細を正確に記述する上で,セグメント化ネットワークのセグメンテーション能力を高めるために,セグメンテーション損失を解析する正規化項を考案した。 これにより,SAR画像からオイル流出領域を正確に抽出するSRCNetを提案する。 異なる測定値からの実験的評価により,提案するsrcnetの油流出画像セグメンテーションの有効性が検証された。

関連論文リスト

• Deep Attention Unet: A Network Model with Global Feature Perception Ability [12.087640144194246]
  本稿では,チャネル自己注意機構と残差接続に基づく新しいタイプのUNet画像分割アルゴリズムを提案する。 私の実験では、新しいネットワークモデルは、FoodNetデータセット上の従来のUNetと比較して、mIOUを2.48%改善しました。
  論文  参考訳（メタデータ） (2023-04-21T09:12:29Z)
• DGNet: Distribution Guided Efficient Learning for Oil Spill Image Segmentation [18.43215454505496]
  SAR(Synthetic Aperture Radar)画像における油流出セグメンテーションの実施は,海洋環境保護に不可欠である。 我々は,SAR画像にバックスキャッタ値の内在分布を組み込むことで,石油流出セグメンテーションを行うDGNetという効果的なセグメンテーションフレームワークを開発した。 提案したDGNetのセグメンテーション性能を異なるメトリクスで評価し,その有効セグメンテーションを実験的に評価した。
  論文  参考訳（メタデータ） (2022-12-19T18:23:50Z)
• CRCNet: Few-shot Segmentation with Cross-Reference and Region-Global Conditional Networks [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。 複数ショットセグメンテーションのためのクロスリファレンス・ローカル・グローバル・ネットワーク(CRCNet)を提案する。 我々のネットワークは、相互参照機構により、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。
  論文  参考訳（メタデータ） (2022-08-23T06:46:18Z)
• A Dual-fusion Semantic Segmentation Framework With GAN For SAR Images [10.147351262526282]
  合成開口レーダ(SAR)画像セグメンテーションを実現するために,広く使用されているエンコーダデコーダアーキテクチャに基づくネットワークを提案する。 光画像のより優れた表現能力により、多数のSARおよび光画像によって訓練された生成反転ネットワーク(GAN)を介して生成された光画像とSAR画像を統合することを提案する。
  論文  参考訳（メタデータ） (2022-06-02T15:22:29Z)
• Transformer-based SAR Image Despeckling [53.99620005035804]
  本稿では,SAR画像復号化のためのトランスフォーマーネットワークを提案する。 提案する非特定ネットワークは、トランスフォーマーベースのエンコーダにより、異なる画像領域間のグローバルな依存関係を学習することができる。 実験により,提案手法は従来型および畳み込み型ニューラルネットワークに基づく解法よりも大幅に改善されていることが示された。
  論文  参考訳（メタデータ） (2022-01-23T20:09:01Z)
• Oil Spill SAR Image Segmentation via Probability Distribution Modelling [18.72207562693259]
  本研究の目的は,SAR画像における海洋油流出の同定に有効なセグメンテーション手法を開発することである。 我々は,オイル流出SAR画像の確率分布表現を達成するために,SAR撮像機構を再検討する。 次に, 油流出特性を組み込んだセグメンテーションエネルギー関数を定式化するために, 分布表現を利用する。
  論文  参考訳（メタデータ） (2021-12-17T17:22:29Z)
• Two-Stage Self-Supervised Cycle-Consistency Network for Reconstruction of Thin-Slice MR Images [62.4428833931443]
  太いスライス磁気共鳴(MR)画像は、しばしば冠状および矢状視で構造的にぼやけている。 深層学習は、これらの低分解能(LR)症例から高分解能(HR)薄膜MR画像を再構築する大きな可能性を示している。 MRスライス再構成のための2段階自己監督型サイクル一貫性ネットワーク(TSCNet)を提案する。
  論文  参考訳（メタデータ） (2021-06-29T13:29:18Z)
• Pairwise Relation Learning for Semi-supervised Gland Segmentation [90.45303394358493]
  病理組織像における腺分節に対するPRS2モデルを提案する。 このモデルはセグメンテーションネットワーク(S-Net)とペア関係ネットワーク(PR-Net)から構成される。 我々は,GlaSデータセットの最近の5つの手法とCRAGデータセットの最近の3つの手法を比較した。
  論文  参考訳（メタデータ） (2020-08-06T15:02:38Z)
• Image Segmentation Using Hybrid Representations [2.414172101538764]
  医用画像セグメンテーションのための DU-Net という,エンド・ツー・エンドのU-Net ベースのネットワークを提案する。 SCは変換不変であり、リプシッツは変形に連続し、DU-Netは他の従来のCNNよりも優れる。 提案手法は,最先端手法と競合する性能を持つ基本U-Netよりも優れた性能を示す。
  論文  参考訳（メタデータ） (2020-04-15T13:07:35Z)
• 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)
• Weakly-Supervised Semantic Segmentation by Iterative Affinity Learning [86.45526827323954]
  弱教師付きセマンティックセグメンテーションは、トレーニングのためにピクセル単位のラベル情報が提供されないため、難しい課題である。 このようなペア関係を学習するための反復アルゴリズムを提案する。 本稿では,提案アルゴリズムが最先端手法に対して好適に動作することを示す。
  論文  参考訳（メタデータ） (2020-02-19T10:32:03Z)

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。