論文の概要: Scribble-Supervised Target Extraction Method Based on Inner Structure-Constraint for Remote Sensing Images

• arxiv url: http://arxiv.org/abs/2305.10661v1
• Date: Thu, 18 May 2023 02:49:07 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-19 17:21:25.490131
• Title: Scribble-Supervised Target Extraction Method Based on Inner Structure-Constraint for Remote Sensing Images
• Title（参考訳）: リモートセンシング画像のための内部構造制約に基づくクリブル教師付きターゲット抽出法
• Authors: Yitong Li, Chang Liu, Jie Ma
• Abstract要約: リモートセンシング画像のターゲット抽出におけるスクリブルアノテーションに基づく弱教師付き学習が注目されている。 本研究では,2つの内部構造制約,変形整合性損失とトレーニング可能なアクティブな輪郭損失と,エンコーダ・デコーダネットワークの最適化を監督するスクリブル制約を構築する。
• 参考スコア（独自算出の注目度）: 20.76892079773621
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Weakly supervised learning based on scribble annotations in target extraction of remote sensing images has drawn much interest due to scribbles' flexibility in denoting winding objects and low cost of manually labeling. However, scribbles are too sparse to identify object structure and detailed information, bringing great challenges in target localization and boundary description. To alleviate these problems, in this paper, we construct two inner structure-constraints, a deformation consistency loss and a trainable active contour loss, together with a scribble-constraint to supervise the optimization of the encoder-decoder network without introducing any auxiliary module or extra operation based on prior cues. Comprehensive experiments demonstrate our method's superiority over five state-of-the-art algorithms in this field. Source code is available at https://github.com/yitongli123/ISC-TE.
• Abstract（参考訳）: リモートセンシング画像のターゲット抽出におけるスクリブルアノテーションに基づく弱い教師付き学習は、巻物を示すためのスクリブルの柔軟性と手動ラベリングの低コストのために多くの関心を集めている。 しかし、スクリブルはオブジェクトの構造や詳細な情報を特定するには小さすぎるため、ターゲットのローカライゼーションや境界記述に大きな課題が生じる。 これらの問題を緩和するために,本研究では,2つの内部構造制約,変形整合損失とトレーニング可能なアクティブな輪郭損失と,エンコーダデコーダネットワークの最適化を事前のキューに基づく補助モジュールや余分な操作を導入することなく監視するスクリブル制約とを併用して構成する。 包括的実験により,本手法は5つの最先端アルゴリズムよりも優れていることを示した。 ソースコードはhttps://github.com/yitongli123/ISC-TEで入手できる。

関連論文リスト

• Weakly Supervised LiDAR Semantic Segmentation via Scatter Image Annotation [38.715754110667916]
  画像アノテーションを用いたLiDARセマンティックセマンティックセマンティックセマンティクスを実装した。 また、パフォーマンスギャップを減らすための3つの重要な戦略を含むネットワークであるScatterNetを提案する。 本手法は,完全教師付き手法の95%以上の性能を達成するために,ラベル付き点の0.02%未満を必要とする。
  論文  参考訳（メタデータ） (2024-04-19T13:01:30Z)
• Weakly-supervised Contrastive Learning for Unsupervised Object Discovery [52.696041556640516]
  ジェネリックな方法でオブジェクトを発見できるため、教師なしのオブジェクト発見は有望である。 画像から高レベルな意味的特徴を抽出する意味誘導型自己教師学習モデルを設計する。 オブジェクト領域のローカライズのための主成分分析(PCA)を導入する。
  論文  参考訳（メタデータ） (2023-07-07T04:03:48Z)
• Knowledge Combination to Learn Rotated Detection Without Rotated Annotation [53.439096583978504]
  回転バウンディングボックスは、伸長したオブジェクトの出力あいまいさを劇的に減少させる。 この効果にもかかわらず、回転検出器は広く使われていない。 本稿では,モデルが正確な回転ボックスを予測できるフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-04-05T03:07:36Z)
• Synthesize Boundaries: A Boundary-aware Self-consistent Framework for Weakly Supervised Salient Object Detection [8.951168425295378]
  設計した合成画像とラベルから正確な境界を学習することを提案する。 合成画像は、塩物の実凹部を模擬する合成凹部を挿入することにより境界情報を生成する。 また,グローバル積分分枝 (GIB) と境界認識分枝 (BAB) から構成される新たな自己整合性フレームワークを提案する。
  論文  参考訳（メタデータ） (2022-12-04T08:22:45Z)
• High-resolution Iterative Feedback Network for Camouflaged Object Detection [128.893782016078]
  カモフラージュされたオブジェクトを背景に視覚的に同化させることは、オブジェクト検出アルゴリズムにとって難しい。 エッジやバウンダリのぼやけた視界を生じさせる細部劣化を避けるために,高分解能テクスチャの詳細を抽出することを目的としている。 我々は,高解像度特徴量による低解像度表現を反復的フィードバック方式で洗練する新しいHitNetを提案する。
  論文  参考訳（メタデータ） (2022-03-22T11:20:21Z)
• Scribble-based Boundary-aware Network for Weakly Supervised Salient Object Detection in Remote Sensing Images [10.628932392896374]
  スパース・スクリブル・アノテーションからリモートセンシング画像の正当性を予測するために,弱教師付きサルエント・オブジェクト検出フレームワークを提案する。 具体的には,高信頼度オブジェクト境界 (擬似) ラベルによって明示的に制御されるオブジェクト境界意味論を探索する境界対応モジュール (BAM) を設計する。 次に,境界セマンティクスを高次特徴と統合し,スクリブルラベルの監督下での健全な物体検出を誘導する。
  論文  参考訳（メタデータ） (2022-02-07T20:32:21Z)
• Semantic Layout Manipulation with High-Resolution Sparse Attention [106.59650698907953]
  本稿では,意味ラベルマップを編集して入力画像を操作するセマンティックイメージレイアウト操作の課題に対処する。 このタスクの中核的な問題は、視覚的にイメージを現実的にしながら、入力画像から新しいセマンティックレイアウトに視覚的な詳細を転送する方法です。 512×512の解像度で視覚的詳細を新しいレイアウトに効果的に転送する高分解能スパースアテンションモジュールを提案する。
  論文  参考訳（メタデータ） (2020-12-14T06:50:43Z)
• Suppress and Balance: A Simple Gated Network for Salient Object Detection [89.88222217065858]
  両問題を同時に解くための単純なゲートネットワーク(GateNet)を提案する。 多レベルゲートユニットの助けを借りて、エンコーダからの貴重なコンテキスト情報をデコーダに最適に送信することができる。 さらに,提案したFold-ASPP操作(Fold-ASPP)に基づくアトラス空間ピラミッドプーリングを用いて,様々なスケールのサリアンオブジェクトを正確に位置決めする。
  論文  参考訳（メタデータ） (2020-07-16T02:00:53Z)
• Weakly-Supervised Salient Object Detection via Scribble Annotations [54.40518383782725]
  本稿では,スクリブルラベルからサリエンシを学習するための弱教師付きサリエント物体検出モデルを提案する。 そこで本研究では,予測されたサリエンシマップの構造アライメントを測定するために,新しい尺度であるサリエンシ構造尺度を提案する。 我々の手法は、既存の弱教師付き/非教師付き手法よりも優れているだけでなく、いくつかの完全教師付き最先端モデルと同等である。
  論文  参考訳（メタデータ） (2020-03-17T12:59:50Z)

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。