論文の概要: Semantic Segmentation by Semantic Proportions

• arxiv url: http://arxiv.org/abs/2305.15608v1
• Date: Wed, 24 May 2023 22:51:52 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-26 18:24:02.782921
• Title: Semantic Segmentation by Semantic Proportions
• Title（参考訳）: セマンティック・セグメンテーションによるセマンティック・セグメンテーション
• Authors: Halil Ibrahim Aysel, Xiaohao Cai and Adam Pr\"ugel-Bennett
• Abstract要約: そこで本研究では,地層構造分割マップの必要性を排除し,セマンティックセマンティックセマンティックなセマンティックなセマンティックなセマンティックなセマンティックなセマンティックなアプローチを提案する。 我々のアプローチでは、個々の意味クラス比率の粗い情報のみを必要とし、セマンティック比例として短縮される。 データアノテーションプロセスを大幅に単純化し、アノテーションの時間とコストを大幅に削減します。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Semantic segmentation is a critical task in computer vision that aims to identify and classify individual pixels in an image, with numerous applications for example autonomous driving and medical image analysis. However, semantic segmentation can be super challenging particularly due to the need for large amounts of annotated data. Annotating images is a time-consuming and costly process, often requiring expert knowledge and significant effort. In this paper, we propose a novel approach for semantic segmentation by eliminating the need of ground-truth segmentation maps. Instead, our approach requires only the rough information of individual semantic class proportions, shortened as semantic proportions. It greatly simplifies the data annotation process and thus will significantly reduce the annotation time and cost, making it more feasible for large-scale applications. Moreover, it opens up new possibilities for semantic segmentation tasks where obtaining the full ground-truth segmentation maps may not be feasible or practical. Extensive experimental results demonstrate that our approach can achieve comparable and sometimes even better performance against the benchmark method that relies on the ground-truth segmentation maps. Utilising semantic proportions suggested in this work offers a promising direction for future research in the field of semantic segmentation.
• Abstract（参考訳）: セマンティックセグメンテーション(Semantic segmentation)は、画像中の個々のピクセルを特定し分類することを目的としたコンピュータビジョンにおける重要なタスクである。 しかし、大量の注釈付きデータを必要とするため、セマンティクスのセグメンテーションは非常に困難である。 画像に注釈をつけるのは時間とコストのかかるプロセスであり、しばしば専門家の知識とかなりの労力を必要とする。 本稿では,接地-真実のセグメンテーションマップの必要性をなくし,意味的セグメンテーションに対する新しいアプローチを提案する。 その代わり、我々のアプローチでは、個々の意味クラスの割合の粗い情報のみを必要とします。 これにより、データアノテーションプロセスが大幅に単純化され、アノテーションの時間とコストが大幅に削減され、大規模なアプリケーションでより実現可能になる。 さらに,本手法は,全地直交分割マップが実現不可能あるいは実用的でないようなセマンティックセマンティックセマンティクスタスクの新たな可能性を開く。 広範な実験結果から,本手法は,地中セグメンテーションマップに依存するベンチマーク手法と同等で,時にはさらに優れた性能を達成できることが示された。 本研究で提案される意味的比例を利用することは,意味的セグメンテーションの分野における今後の研究に有望な方向を提供する。

関連論文リスト

• Learning Semantic Segmentation with Query Points Supervision on Aerial Images [62.36946925639107]
  セマンティックセグメンテーションアルゴリズムを学習するための弱教師付き学習アルゴリズムを提案する。 提案手法は正確なセマンティックセグメンテーションを行い,手作業のアノテーションに要するコストと時間を大幅に削減することで効率を向上する。
  論文  参考訳（メタデータ） (2023-09-11T14:32:04Z)
• Unsupervised Domain Adaptation for Medical Image Segmentation via Feature-space Density Matching [0.0]
  本稿ではセマンティックセグメンテーションのための教師なしドメイン適応手法を提案する。 対象データ分布を特徴空間のソースとマッチングする。 提案手法の有効性を2つのデータセット,多部位前立腺MRI,病理組織像に示す。
  論文  参考訳（メタデータ） (2023-05-09T22:24:46Z)
• Open-world Semantic Segmentation via Contrasting and Clustering Vision-Language Embedding [95.78002228538841]
  本研究では,様々なオープンワールドカテゴリのセマンティックオブジェクトを高密度アノテーションを使わずにセマンティックオブジェクトのセマンティックオブジェクトのセマンティック化を学習するための,新しいオープンワールド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パイプラインを提案する。 提案手法は任意のカテゴリのオブジェクトを直接分割し、3つのベンチマークデータセット上でデータラベリングを必要とするゼロショットセグメンテーション法より優れている。
  論文  参考訳（メタデータ） (2022-07-18T09:20:04Z)
• Deep Spectral Methods: A Surprisingly Strong Baseline for Unsupervised Semantic Segmentation and Localization [98.46318529630109]
  画像分解をグラフ分割問題として再フレーミングすることで,従来のスペクトル分割法から着想を得た。 これらの固有ベクトルはすでにイメージを意味のあるセグメントに分解しており、シーン内のオブジェクトのローカライズに容易に利用できる。 データセットにまたがるこれらのセグメントに関連する機能をクラスタ化することで、明確に定義された、名前付き可能なリージョンを得ることができる。
  論文  参考訳（メタデータ） (2022-05-16T17:47:44Z)
• Hypernet-Ensemble Learning of Segmentation Probability for Medical Image Segmentation with Ambiguous Labels [8.841870931360585]
  ディープラーニングのアプローチは、高い偏極ラベルの確率で予測を過信していることで有名です。 これは、人間のアノテーションであっても、固有のラベルのあいまいさを持つ多くのアプリケーションでは望ましくない。 実世界のシナリオにおける性能を犠牲にすることなくセグメント化確率推定を改善する新しい手法を提案する。
  論文  参考訳（メタデータ） (2021-12-13T14:24:53Z)
• Leveraging Auxiliary Tasks with Affinity Learning for Weakly Supervised Semantic Segmentation [88.49669148290306]
  そこで我々はAuxSegNetと呼ばれる弱教師付きマルチタスク・フレームワークを提案し,サリエンシ検出とマルチラベル画像分類を補助タスクとして活用する。 同様の構造的セマンティクスに着想を得て,サリエンシとセグメンテーションの表現から,クロスタスクなグローバル画素レベルの親和性マップを学習することを提案する。 学習されたクロスタスク親和性は、両方のタスクに対して改善された擬似ラベルを提供するために、唾液度予測を洗練し、CAMマップを伝播するために使用することができる。
  論文  参考訳（メタデータ） (2021-07-25T11:39:58Z)
• Learning from Partially Overlapping Labels: Image Segmentation under Annotation Shift [68.6874404805223]
  腹部臓器分節の文脈におけるラベルの重複から学ぶためのいくつかの方法を提案する。 半教師付きアプローチと適応的クロスエントロピー損失を組み合わせることで、不均一な注釈付きデータをうまく活用できることが判明した。
  論文  参考訳（メタデータ） (2021-07-13T09:22:24Z)
• Sparse Object-level Supervision for Instance Segmentation with Pixel Embeddings [4.038011160363972]
  ほとんどの最先端のインスタンスセグメンテーションメソッドは、密接な注釈付き画像でトレーニングする必要があります。 非空間埋め込みに基づく提案フリーセグメンテーション手法を提案する。 本研究では, 異なる顕微鏡モードにおける2次元および3次元分割問題の解法について検討した。
  論文  参考訳（メタデータ） (2021-03-26T16:36:56Z)
• Rethinking Semantic Segmentation Evaluation for Explainability and Model Selection [12.786648212233116]
  地域ベースのオーバーおよびアンダーセグメンテーションを評価するための新しいメトリクスを紹介します。 分析して他のメトリクスと比較し、実世界のアプリケーションにおけるセマンティックセグメンテーションモデルのパフォーマンスをより説明しやすくなることを示す。
  論文  参考訳（メタデータ） (2021-01-21T03:12:43Z)
• Three Ways to Improve Semantic Segmentation with Self-Supervised Depth Estimation [90.87105131054419]
  ラベルなし画像列からの自己教師付き単眼深度推定により強化された半教師付き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のフレームワークを提案する。 提案されたモデルをCityscapesデータセット上で検証する。
  論文  参考訳（メタデータ） (2020-12-19T21:18:03Z)
• Discovering Latent Classes for Semi-Supervised Semantic Segmentation [18.5909667833129]
  本稿では,半教師付きセマンティックセグメンテーションの問題について検討する。 ラベル付き画像のセマンティッククラスと一致した潜在クラスを学習する。 提案手法は,半教師付きセマンティックセグメンテーションのための技術結果の状態を達成している。
  論文  参考訳（メタデータ） (2019-12-30T14:16:24Z)

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。