論文の概要: Interactive segmentation in aerial images: a new benchmark and an open
access web-based tool
- arxiv url: http://arxiv.org/abs/2308.13174v2
- Date: Thu, 7 Mar 2024 06:10:02 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-08 18:08:34.244724
- Title: Interactive segmentation in aerial images: a new benchmark and an open
access web-based tool
- Title（参考訳）: 空中画像におけるインタラクティブセグメンテーション:新しいベンチマークとオープンアクセスwebツール
- Authors: Zhe Wang, Shoukun Sun, Xiang Que, Xiaogang Ma
- Abstract要約: 近年,コンピュータビジョンにおける対話型セマンティックセマンティックセマンティクスは,人間とコンピュータの相互作用セマンティクスの理想的な状態を実現している。
本研究の目的は,対話型セグメンテーションモデルのベンチマークにより,対話型セグメンテーションとリモートセンシング分析のギャップを埋めることである。
- 参考スコア（独自算出の注目度）: 2.729446374377189
- License: http://creativecommons.org/publicdomain/zero/1.0/
- Abstract: Deep learning has gradually become powerful in segmenting and classifying
aerial images. However, in remote sensing applications, the lack of training
datasets and the difficulty of accuracy assessment have always been challenges
for the deep learning based classification. In recent years, interactive
semantic segmentation proposed in computer vision has achieved an ideal state
of human-computer interaction segmentation. It can provide expert experience
and utilize deep learning for efficient segmentation. However, few papers
discussed its application in remote sensing imagery. This study aims to bridge
the gap between interactive segmentation and remote sensing analysis by
conducting a benchmark study on various interactive segmentation models. We
assessed the performance of five state-of-the-art interactive segmentation
methods (Reviving Iterative Training with Mask Guidance for Interactive
Segmentation (RITM), FocalClick, SimpleClick, Iterative Click Loss (ICL), and
Segment Anything (SAM)) on two high-resolution aerial imagery datasets. The
Cascade-Forward Refinement approach, an innovative inference strategy for
interactive segmentation, was also introduced to enhance the segmentation
results. We evaluated these methods on various land cover types, object sizes,
and band combinations in the datasets. SimpleClick model consistently
outperformed the other methods in our experiments. Conversely, the SAM
performed less effectively than other models. Building upon these findings, we
developed an online tool called RSISeg for interactive segmentation of remote
sensing data. RSISeg incorporates a well-performing interactive model that is
finetuned with remote sensing data. Compared to existing interactive
segmentation tools, RSISeg offers robust interactivity, modifiability, and
adaptability to remote sensing data.
- Abstract（参考訳）: 深層学習は、空中画像のセグメンテーションと分類において徐々に強力になっている。
しかしながら、リモートセンシングアプリケーションでは、トレーニングデータセットの欠如と正確性評価の難しさが、ディープラーニングに基づく分類において常に課題となっている。
近年,コンピュータビジョンにおける対話型セマンティックセマンティックセマンティクスは,人間とコンピュータの相互作用セマンティクスの理想的な状態を実現している。
エキスパートエクスペリエンスを提供し、効率的なセグメンテーションにディープラーニングを活用することができる。
しかし、リモートセンシング画像への応用について論じる論文はほとんどない。
本研究の目的は,対話型セグメンテーションモデルのベンチマークにより,対話型セグメンテーションとリモートセンシング分析のギャップを埋めることである。
我々は,2つの高分解能空中画像データセットに対して,最先端のインタラクティブセグメンテーション手法(Reviving Iterative Training with Mask Guidance for Interactive Segmentation (RITM), FocalClick, SimpleClick, Iterative Click Loss (ICL), Segment Anything (SAM))の性能を評価した。
対話的なセグメンテーションのための革新的な推論戦略であるカスケード・フォワード・リファインメントアプローチも、セグメンテーション結果を強化するために導入された。
これらの手法を, 各種土地被覆タイプ, 対象物サイズ, バンドの組み合わせで評価した。
simpleclickモデルは実験の他の手法を一貫して上回っていた。
逆にSAMは他のモデルよりも効果的に動作しなかった。
これらの知見に基づいて,遠隔センシングデータの対話的セグメンテーションを行う RSISeg というオンラインツールを開発した。
rsisegには、リモートセンシングデータで微調整された、高性能なインタラクティブモデルが組み込まれている。
既存のインタラクティブセグメンテーションツールと比較して、RSISegは堅牢な対話性、モジュラビリティ、リモートセンシングデータへの適応性を提供する。
関連論文リスト
- RClicks: Realistic Click Simulation for Benchmarking Interactive Segmentation [37.44155289954746]
対話型セグメンテーションシナリオにおけるクリックパターンの大規模クラウドソーシング調査を行い,475万のリアルタイムクリックを収集する。
本モデルとデータセットを用いて,現実的なクリックにおける既存の対話的セグメンテーション手法の包括的比較のためのRClicksベンチマークを提案する。
我々のベンチマークによると、実世界の対話型セグメンテーションモデルでは、ベースラインベンチマークで報告されたよりもパフォーマンスが悪く、ほとんどの手法は堅牢ではない。
論文 参考訳（メタデータ） (2024-10-15T15:55:00Z) - Visual-Geometric Collaborative Guidance for Affordance Learning [63.038406948791454]
本稿では,視覚的・幾何学的手がかりを取り入れた視覚・幾何学的協調学習ネットワークを提案する。
本手法は,客観的指標と視覚的品質の代表的なモデルより優れている。
論文 参考訳（メタデータ） (2024-10-15T07:35:51Z) - WSESeg: Introducing a Dataset for the Segmentation of Winter Sports Equipment with a Baseline for Interactive Segmentation [13.38174941551702]
冬期スポーツ機器の10種類のカテゴリを対象とした,インスタンスセグメンテーションマスクを含む新しいデータセットを提案する。
我々は、これらのデータセット上でインタラクティブなセグメンテーション実験を行い、より効率的なラベリングの可能性を探る。
論文 参考訳（メタデータ） (2024-07-12T14:20:12Z) - TETRIS: Towards Exploring the Robustness of Interactive Segmentation [39.1981941213761]
対話型セグメンテーションモデルに対するホワイトボックス逆攻撃において, 直接最適化により極端なユーザ入力を見つける手法を提案する。
本報告では,多数のモデルについて広範囲な評価を行った結果について報告する。
論文 参考訳（メタデータ） (2024-02-09T01:36:21Z) - Rotated Multi-Scale Interaction Network for Referring Remote Sensing Image Segmentation [63.15257949821558]
Referring Remote Sensing Image (RRSIS)は、コンピュータビジョンと自然言語処理を組み合わせた新しい課題である。
従来の参照画像(RIS)アプローチは、空中画像に見られる複雑な空間スケールと向きによって妨げられている。
本稿ではRMSIN(Rotated Multi-Scale Interaction Network)を紹介する。
論文 参考訳（メタデータ） (2023-12-19T08:14:14Z) - RefSAM: Efficiently Adapting Segmenting Anything Model for Referring Video Object Segmentation [53.4319652364256]
本稿では,ビデオオブジェクトのセグメンテーションを参照するためのSAMの可能性を探るRefSAMモデルを提案する。
提案手法は,Cross-RValModalを用いることで,モダリティ学習を向上させるためにオリジナルのSAMモデルに適応する。
我々は、言語と視覚の特徴を効果的に調整し、融合させるために、パラメータ効率のチューニング戦略を採用している。
論文 参考訳（メタデータ） (2023-07-03T13:21:58Z) - RAIS: Robust and Accurate Interactive Segmentation via Continual
Learning [16.382862088005087]
本稿では,対話型セグメンテーションと継続的学習のための堅牢で正確なアーキテクチャであるRAISを提案する。
テストセットを効率的に学習するために,グローバルパラメータとローカルパラメータを更新するための新しい最適化手法を提案する。
また,リモートセンシングと医用画像のデータセットにおけるロバスト性も示す。
論文 参考訳（メタデータ） (2022-10-20T03:05:44Z) - Learning from Temporal Spatial Cubism for Cross-Dataset Skeleton-based
Action Recognition [88.34182299496074]
アクションラベルはソースデータセットでのみ利用可能だが、トレーニング段階のターゲットデータセットでは利用できない。
我々は,2つの骨格に基づく行動データセット間の領域シフトを低減するために,自己スーパービジョン方式を利用する。
時間的セグメントや人体部分のセグメンテーションとパーフォーミングにより、我々は2つの自己教師あり学習分類タスクを設計する。
論文 参考訳（メタデータ） (2022-07-17T07:05:39Z) - Deep Relational Metric Learning [84.95793654872399]
本稿では,画像クラスタリングと検索のためのディープリレーショナルメトリック学習フレームワークを提案する。
我々は、クラス間分布とクラス内分布の両方をモデル化するために、異なる側面から画像を特徴付ける特徴のアンサンブルを学ぶ。
広く使われているCUB-200-2011、Cars196、Stanford Online Productsデータセットの実験は、我々のフレームワークが既存の深層学習方法を改善し、非常に競争力のある結果をもたらすことを示した。
論文 参考訳（メタデータ） (2021-08-23T09:31:18Z) - Reviving Iterative Training with Mask Guidance for Interactive
Segmentation [8.271859911016719]
クリックに基づくインタラクティブセグメンテーションに関する最近の研究は、様々な推論時間最適化スキームを用いて最先端の結果を示している。
従来のステップのセグメンテーションマスクを用いた,クリックベースのインタラクティブセグメンテーションのための簡単なフィードフォワードモデルを提案する。
COCOとLVISの組み合わせで訓練されたモデルと、多様で高品質のアノテーションは、既存のすべてのモデルよりも優れたパフォーマンスを示しています。
論文 参考訳（メタデータ） (2021-02-12T15:44:31Z) - FAIRS -- Soft Focus Generator and Attention for Robust Object
Segmentation from Extreme Points [70.65563691392987]
本稿では,ユーザ入力からオブジェクトのセグメンテーションを極端点と補正クリックの形で生成する手法を提案する。
提案手法は,エクストリームポイント,クリック誘導,修正クリックを原則として組み込んだ,高品質なトレーニングデータを生成する能力とスケーラビリティを実証する。
論文 参考訳（メタデータ） (2020-04-04T22:25:47Z)
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。