論文の概要: Towards End-to-End Unsupervised Saliency Detection with Self-Supervised Top-Down Context

• arxiv url: http://arxiv.org/abs/2310.09533v1
• Date: Sat, 14 Oct 2023 08:43:22 GMT
• ステータス: 処理完了
• システム内更新日: 2023-10-17 19:51:43.020590
• Title: Towards End-to-End Unsupervised Saliency Detection with Self-Supervised Top-Down Context
• Title（参考訳）: 自己監督型トップダウンコンテキストによるエンド・ツー・エンド非教師型残差検出に向けて
• Authors: Yicheng Song, Shuyong Gao, Haozhe Xing, Yiting Cheng, Yan Wang, Wenqiang Zhang
• Abstract要約: トップダウンコンテキストを介し、自己教師付きエンドツーエンドの有能なオブジェクト検出フレームワークを提案する。 最も深い特徴から自己ローカライゼーションを生かして位置マップを構築し,最も指導的なセグメンテーション指導を学習する。 提案手法は,近年のエンド・ツー・エンド手法と,多段階ソリューションの大部分において,先行的な性能を実現する。
• 参考スコア（独自算出の注目度）: 25.85453873366275
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Unsupervised salient object detection aims to detect salient objects without using supervision signals eliminating the tedious task of manually labeling salient objects. To improve training efficiency, end-to-end methods for USOD have been proposed as a promising alternative. However, current solutions rely heavily on noisy handcraft labels and fail to mine rich semantic information from deep features. In this paper, we propose a self-supervised end-to-end salient object detection framework via top-down context. Specifically, motivated by contrastive learning, we exploit the self-localization from the deepest feature to construct the location maps which are then leveraged to learn the most instructive segmentation guidance. Further considering the lack of detailed information in deepest features, we exploit the detail-boosting refiner module to enrich the location labels with details. Moreover, we observe that due to lack of supervision, current unsupervised saliency models tend to detect non-salient objects that are salient in some other samples of corresponding scenarios. To address this widespread issue, we design a novel Unsupervised Non-Salient Suppression (UNSS) method developing the ability to ignore non-salient objects. Extensive experiments on benchmark datasets demonstrate that our method achieves leading performance among the recent end-to-end methods and most of the multi-stage solutions. The code is available.
• Abstract（参考訳）: 教師なしのsalient object detectionは、手作業でsalient objectsをラベル付けする面倒なタスクを排除する監督信号を使用することなく、salient objectsを検出することを目的としている。 トレーニング効率を向上させるため,USODのエンドツーエンド手法が有望な代替手段として提案されている。 しかし、現在のソリューションはノイズの多いハンドクラフトラベルに依存しており、深い機能から豊富な意味情報を抽出できていない。 本稿では,トップダウンコンテキストを介し,自己教師付きエンドツーエンドな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、対照的な学習に動機づけられ、最も深い特徴から自己局所化を利用して位置マップを構築し、最も指示的なセグメンテーションガイダンスを学ぶ。 さらに,最も深い特徴の詳細な情報がないことを考慮し,詳細な位置ラベルを詳細化するために,詳細強調型リファインダモジュールを利用する。 さらに, 監視が欠如しているため, 現行の非教師なしサリエンシモデルでは, 対応するシナリオの他のサンプルで顕著な非サリエントオブジェクトを検出する傾向にある。 この課題に対処するため,非定常オブジェクトを無視する機能を開発するunsupervised Non-Salient Suppression (UNSS) 手法を考案した。 ベンチマークデータセットに関する広範な実験は、最近のエンドツーエンドメソッドと多段階ソリューションのほとんどにおいて、この手法が主要な性能を達成していることを示している。 コードは利用可能です。

関連論文リスト

• 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)
• Open-Set Semi-Supervised Object Detection [43.464223594166654]
  近年,Semi-Supervised Object Detection (SSOD) の開発が進められている。 我々は、より実用的で難しい問題、OSSOD(Open-Set Semi-Supervised Object Detection)を考える。 提案フレームワークはセマンティック拡張問題に効果的に対処し,OSSODベンチマークにおける一貫した改善を示す。
  論文  参考訳（メタデータ） (2022-08-29T17:04:30Z)
• 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)
• Learning to Detect Instance-level Salient Objects Using Complementary Image Labels [55.049347205603304]
  本報告では,本問題に対する第1の弱教師付きアプローチを提案する。 本稿では,候補対象の特定にクラス整合性情報を活用するSaliency Detection Branch,オブジェクト境界をデライン化するためにクラス整合性情報を利用するBundary Detection Branch,サブティナイズ情報を用いたCentroid Detection Branchを提案する。
  論文  参考訳（メタデータ） (2021-11-19T10:15:22Z)
• Discovery-and-Selection: Towards Optimal Multiple Instance Learning for Weakly Supervised Object Detection [86.86602297364826]
  複数インスタンス学習(DS-MIL)と融合した発見・選択手法を提案する。 我々の提案するDS-MILアプローチは,最先端の性能を報告しながら,ベースラインを一貫して改善することができる。
  論文  参考訳（メタデータ） (2021-10-18T07:06:57Z)
• Towards Real-World Prohibited Item Detection: A Large-Scale X-ray Benchmark [53.9819155669618]
  本稿では,PIDrayと命名された大規模データセットについて述べる。 大量の努力を払って、私たちのデータセットには、高品質な注釈付きセグメンテーションマスクとバウンディングボックスを備えた47,677ドルのX線画像に、禁止アイテムの12ドルカテゴリが含まれています。 提案手法は最先端の手法に対して,特に故意に隠された項目を検出するために好適に機能する。
  論文  参考訳（メタデータ） (2021-08-16T11:14:16Z)
• Unsupervised Object Detection with LiDAR Clues [70.73881791310495]
  本稿では,LiDARの手がかりを用いた非教師対象検出のための最初の実用的手法を提案する。 提案手法では,まず3次元点雲に基づく候補オブジェクトセグメントを生成する。 そして、セグメントラベルを割り当て、セグメントラベルネットワークを訓練する反復的なセグメントラベル処理を行う。 ラベル付けプロセスは、長い尾とオープンエンドの分布の問題を軽減するために慎重に設計されている。
  論文  参考訳（メタデータ） (2020-11-25T18:59:54Z)
• Instance-aware, Context-focused, and Memory-efficient Weakly Supervised Object Detection [184.563345153682]
  我々は、弱教師付き学習のためのインスタンス認識とコンテキスト重視の統合フレームワークを開発する。 メモリ効率の高いシーケンシャルバッチバックプロパゲーションを考案しながら、インスタンス対応の自己学習アルゴリズムと学習可能なコンクリートドロップブロックを採用している。 提案手法はCOCO(12.1% AP$、24.8% AP_50$)、VOC 2007(54.9% AP$)、VOC 2012(52.1% AP$)の最先端結果である。
  論文  参考訳（メタデータ） (2020-04-09T17:57:09Z)

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。