論文の概要: Edge-Aware Mirror Network for Camouflaged Object Detection

• arxiv url: http://arxiv.org/abs/2307.03932v1
• Date: Sat, 8 Jul 2023 08:14:49 GMT
• ステータス: 処理完了
• システム内更新日: 2023-07-11 16:27:03.037917
• Title: Edge-Aware Mirror Network for Camouflaged Object Detection
• Title（参考訳）: カモフラージュ物体検出のためのエッジアウェアミラーネットワーク
• Authors: Dongyue Sun, Shiyao Jiang, Lin Qi
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 5.032585246295627
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Existing edge-aware camouflaged object detection (COD) methods normally output the edge prediction in the early stage. However, edges are important and fundamental factors in the following segmentation task. Due to the high visual similarity between camouflaged targets and the surroundings, edge prior predicted in early stage usually introduces erroneous foreground-background and contaminates features for segmentation. To tackle this problem, we propose a novel Edge-aware Mirror Network (EAMNet), which models edge detection and camouflaged object segmentation as a cross refinement process. More specifically, EAMNet has a two-branch architecture, where a segmentation-induced edge aggregation module and an edge-induced integrity aggregation module are designed to cross-guide the segmentation branch and edge detection branch. A guided-residual channel attention module which leverages the residual connection and gated convolution finally better extracts structural details from low-level features. Quantitative and qualitative experiment results show that EAMNet outperforms existing cutting-edge baselines on three widely used COD datasets. Codes are available at https://github.com/sdy1999/EAMNet.
• Abstract（参考訳）: 既存のエッジ対応のcamouflaged object detection (COD) 法は、通常は早期にエッジ予測を出力する。 しかし、エッジは以下のセグメンテーションタスクにおいて重要かつ基本的な要素である。 カモフラージュされたターゲットと周囲の視覚的類似性が高いため、早期に予測されるエッジは通常、誤った前景とセグメンテーションの特徴をもたらす。 そこで本研究では,エッジ検出と擬似オブジェクト分割をクロスリファインメントプロセスとしてモデル化した,エッジ対応ミラーネットワーク(EAMNet)を提案する。 具体的には、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って引き起こされるエッジアグリゲーションモジュールとエッジによって引き起こされる整合アグリゲーションモジュールは、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。 残差接続とゲート畳み込みを利用したガイド-残留チャネルアテンションモジュールは、最終的に低レベルの特徴から構造的詳細を抽出する。 定量的および定性的な実験の結果、EAMNetは3つの広く使用されているCODデータセットで既存の最先端ベースラインを上回っている。 コードはhttps://github.com/sdy1999/EAMNetで入手できる。

関連論文リスト

• LAC-Net: Linear-Fusion Attention-Guided Convolutional Network for Accurate Robotic Grasping Under the Occlusion [79.22197702626542]
  本稿では, 乱れ場面におけるロボットグルーピングのためのアモーダルセグメンテーションを探求する枠組みを提案する。 線形融合注意誘導畳み込みネットワーク(LAC-Net)を提案する。 その結果,本手法が最先端の性能を達成できることが示唆された。
  論文  参考訳（メタデータ） (2024-08-06T14:50:48Z)
• ECT: Fine-grained Edge Detection with Learned Cause Tokens [19.271691951077617]
  汎用エッジと細粒度エッジを逐次予測する2段階トランスフォーマーネットワークを提案する。 提案手法をBSDS-RINDおよび複数の新たに派生したベンチマーク上で評価し,新たな最先端結果を得た。
  論文  参考訳（メタデータ） (2023-08-06T11:37:55Z)
• Edge-aware Plug-and-play Scheme for Semantic Segmentation [4.297988192695948]
  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。
  論文  参考訳（メタデータ） (2023-03-18T02:17:37Z)
• End-to-End Instance Edge Detection [29.650295133113183]
  エッジ検出は長い間、コンピュータビジョンの分野で重要な問題であった。 従来の研究は、カテゴリ非依存またはカテゴリ対応エッジ検出を探索してきた。 本稿では,オブジェクトインスタンスのコンテキストにおけるエッジ検出について検討する。
  論文  参考訳（メタデータ） (2022-04-06T15:32:21Z)
• Fast Camouflaged Object Detection via Edge-based Reversible Re-calibration Network [17.538512222905087]
  本稿では,ERRNetと呼ばれるエッジベースの可逆再校正ネットワークを提案する。 Selective Edge Aggregation(SEA)とReversible Re-calibration Unit(RRU)の2つの革新的な設計が特徴である。 実験の結果,ERRNetは3つのCODデータセットと5つの医用画像セグメンテーションデータセットで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） (2021-11-05T02:03:54Z)
• Prototypical Cross-Attention Networks for Multiple Object Tracking and Segmentation [95.74244714914052]
  複数のオブジェクトのトラッキングとセグメンテーションには、与えられたクラスのセットに属するオブジェクトを検出し、追跡し、セグメンテーションする必要がある。 オンライン上でリッチ・テンポラル情報を活用するプロトタイプ・クロス・アテンション・ネットワーク(PCAN)を提案する。 PCANは、Youtube-VISとBDD100Kデータセットで、現在のビデオインスタンス追跡とセグメンテーションコンテストの勝者を上回っている。
  論文  参考訳（メタデータ） (2021-06-22T17:57:24Z)
• Enhanced Boundary Learning for Glass-like Object Segmentation [55.45473926510806]
  本稿では,拡張境界学習によるガラス状物体分割問題を解くことを目的とする。 特に,より微細な境界キューを生成するための改良された微分モジュールを最初に提案する。 境界に沿った大域的な形状表現をモデル化するために,エッジ対応のグラフ畳み込みネットワークモジュールを提案する。
  論文  参考訳（メタデータ） (2021-03-29T16:18:57Z)
• Boundary-Aware Segmentation Network for Mobile and Web Applications [60.815545591314915]
  境界認識ネットワーク(basnet)は、精度の高い画像分割のための予測再定義アーキテクチャとハイブリッド損失と統合されている。 basnetは単一のgpu上で70fps以上動作し、多くの潜在的なアプリケーションが利用できる。 BASNetをベースに、BASNetが「COPY」と「PASTING」現実世界のオブジェクトのための拡張現実であるAR COPY & PASTEと、オブジェクト背景の自動削除のためのWebベースのツールであるOBJECT CUTの2つの(近い)商用アプリケーションをさらに開発しました。
  論文  参考訳（メタデータ） (2021-01-12T19:20:26Z)
• Refined Plane Segmentation for Cuboid-Shaped Objects by Leveraging Edge Detection [63.942632088208505]
  本稿では,セグメント化された平面マスクを画像に検出されたエッジと整列するための後処理アルゴリズムを提案する。 これにより、立方体形状の物体に制限を加えながら、最先端のアプローチの精度を高めることができます。
  論文  参考訳（メタデータ） (2020-03-28T18:51:43Z)
• Saliency Enhancement using Gradient Domain Edges Merging [65.90255950853674]
  本研究では,エッジとサリエンシマップをマージして,サリエンシマップの性能を向上させる手法を開発した。 これにより、DUT-OMRONデータセットの少なくとも3.4倍の平均的な改善により、エッジ(SEE)を使用したサリエンシ向上が提案された。 SEEアルゴリズムは前処理のためのSEE-Preと後処理のためのSEE-Postの2つの部分に分けられる。
  論文  参考訳（メタデータ） (2020-02-11T14:04:56Z)

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。