論文の概要: SSSegmenation: An Open Source Supervised Semantic Segmentation Toolbox Based on PyTorch

• arxiv url: http://arxiv.org/abs/2305.17091v1
• Date: Fri, 26 May 2023 17:02:42 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-29 13:16:50.017644
• Title: SSSegmenation: An Open Source Supervised Semantic Segmentation Toolbox Based on PyTorch
• Title（参考訳）: SSSegmenation: PyTorchをベースとしたSemantic Segmentationツールボックス
• Authors: Zhenchao Jin
• Abstract要約: SSSegmenationはPyTorchをベースとしたオープンソースの教師付きセマンティックイメージセグメンテーションツールボックスである。 MMSセグメンテーションによって動機付けられているが、依存関係が少ないため使いやすく、同等のトレーニングとテストのセットアップでセグメンテーションのパフォーマンスが優れている。
• 参考スコア（独自算出の注目度）: 1.52292571922932
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper presents SSSegmenation, which is an open source supervised semantic image segmentation toolbox based on PyTorch. The design of this toolbox is motivated by MMSegmentation while it is easier to use because of fewer dependencies and achieves superior segmentation performance under a comparable training and testing setup. Moreover, the toolbox also provides plenty of trained weights for popular and contemporary semantic segmentation methods, including Deeplab, PSPNet, OCRNet, MaskFormer, \emph{etc}. We expect that this toolbox can contribute to the future development of semantic segmentation. Codes and model zoos are available at \href{https://github.com/SegmentationBLWX/sssegmentation/}{SSSegmenation}.
• Abstract（参考訳）: 本稿では,PyTorchに基づくオープンソースの教師付きセマンティックイメージセグメンテーションツールボックスであるSSSegmenationを提案する。 このツールボックスの設計は、MMSegmentationによって動機付けられているが、依存関係が少ないため使いやすく、同等のトレーニングとテストのセットアップ下でのセグメンテーション性能が優れている。 さらにこのツールボックスは、Deeplab、PSPNet、OCRNet、MaskFormer、 \emph{etc}など、ポピュラーで現代的なセマンティックセグメンテーションメソッドに対して、多くのトレーニングされたウェイトも提供する。 このツールボックスはセマンティックセグメンテーションの今後の発展に貢献できると期待している。 コードとモデル動物園は \href{https://github.com/SegmentationBLWX/ssegmentation/}{SSSegmenation} で公開されている。

関連論文リスト

• Frozen CLIP: A Strong Backbone for Weakly Supervised Semantic Segmentation [90.35249276717038]
  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CLIPベースのシングルステージパイプラインであるWeCLIPを提案する。 具体的には、凍結したCLIPモデルを意味的特徴抽出のバックボーンとして適用する。 新しいデコーダは、最終予測のために抽出された意味的特徴を解釈するように設計されている。
  論文  参考訳（メタデータ） (2024-06-17T03:49:47Z)
• Unsupervised Universal Image Segmentation [59.0383635597103]
  本稿では,Unsupervised Universal Model (U2Seg) を提案する。 U2Segは、自己教師付きモデルを利用して、これらのセグメンテーションタスクの擬似意味ラベルを生成する。 次に、これらの擬似意味ラベル上でモデルを自己学習し、かなりの性能向上をもたらす。
  論文  参考訳（メタデータ） (2023-12-28T18:59:04Z)
• SAMBA: A Trainable Segmentation Web-App with Smart Labelling [0.0]
  SAMBAは、高速で高品質なラベル提案にMetaのSegment Anything Model(SAM)を使用するトレーニング可能なセグメンテーションツールである。 セグメンテーションバックエンドはクラウドで動作するため、ユーザは強力なハードウェアを必要としない。
  論文  参考訳（メタデータ） (2023-12-07T10:31:05Z)
• SAF-IS: a Spatial Annotation Free Framework for Instance Segmentation of Surgical Tools [10.295921059528636]
  トレーニングに空間アノテーションを頼らずに,実例分割のためのフレームワークを開発する。 我々のソリューションはバイナリツールマスクのみを必要とし、最新の教師なしアプローチとバイナリツール存在ラベルを使って取得できる。 当社のフレームワークは、2017年と2018年のセグメンテーションデータセット上で検証しています。
  論文  参考訳（メタデータ） (2023-09-04T17:13:06Z)
• HGFormer: Hierarchical Grouping Transformer for Domain Generalized Semantic Segmentation [113.6560373226501]
  本研究は領域一般化設定の下で意味的セグメンテーションを研究する。 本稿では,階層型グループ化変換器(HGFormer)を提案する。 実験により、HGFormerはピクセルごとの分類法やフラットグルーピング変換器よりも、より堅牢なセマンティックセグメンテーション結果が得られることが示された。
  論文  参考訳（メタデータ） (2023-05-22T13:33:41Z)
• SegCLIP: Patch Aggregation with Learnable Centers for Open-Vocabulary Semantic Segmentation [26.079055078561986]
  オープン語彙セグメンテーションのためのCLIPベースのSegCLIPモデルを提案する。 主なアイデアは、テキストイメージペアのトレーニングを通じて、学習可能な中心をセマンティック領域に集めることである。 実験結果から,本モデルでは高いセグメンテーション精度が得られた。
  論文  参考訳（メタデータ） (2022-11-27T12:38:52Z)
• Task-Adaptive Feature Transformer with Semantic Enrichment for Few-Shot Segmentation [21.276981570672064]
  わずかながらの学習により、機械はいくつかのラベル付きサンプルを使用して新しいクラスを分類できる。 本稿では,既存のセグメンテーションネットワーク上に,数発のセグメンテーションを行うための学習可能なモジュールを提案する。 PASCAL-$5i$とCOCO-$20i$データセットの実験では、追加されたモジュールが既存のセグメンテーションの機能を拡張することに成功した。
  論文  参考訳（メタデータ） (2022-02-14T06:16:26Z)
• Segmenter: Transformer for Semantic Segmentation [79.9887988699159]
  セマンティックセグメンテーションのためのトランスフォーマーモデルであるSegmenterを紹介します。 最近のViT(Vision Transformer)上に構築し,セマンティックセグメンテーションに拡張する。 これは、挑戦的なADE20Kデータセット上でのアートの状態を上回り、Pascal ContextとCityscapesでオンパーを実行する。
  論文  参考訳（メタデータ） (2021-05-12T13:01:44Z)
• Learning Class-Agnostic Pseudo Mask Generation for Box-Supervised Semantic Segmentation [156.9155100983315]
  ボックス教師付きセマンティクスセグメンテーションに合わせた,より正確な学習ベースのクラス非依存な擬似マスクジェネレータを求める。 この方法は、ボックス監視モデルとフル監視モデルの間のパフォーマンスギャップをさらに埋めることができます。
  論文  参考訳（メタデータ） (2021-03-09T14:54:54Z)
• Semantically Meaningful Class Prototype Learning for One-Shot Image Semantic Segmentation [58.96902899546075]
  ワンショットセマンティックイメージセグメンテーションは、1つの注釈付きイメージで新しいクラスのオブジェクト領域を分割することを目的としている。 最近の研究では、テスト時に予想される状況を模倣するために、エピソディクストレーニング戦略を採用している。 エピソードトレーニングにおいて,マルチクラスラベル情報を活用することを提案する。 ネットワークが各カテゴリに対してより意味のある機能を生成するように促すだろう。
  論文  参考訳（メタデータ） (2021-02-22T12:07:35Z)

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。