Fugu-MT 論文翻訳(概要): Unsupervised and semi-supervised co-salient object detection via segmentation frequency statistics

論文の概要: Unsupervised and semi-supervised co-salient object detection via segmentation frequency statistics

arxiv url: http://arxiv.org/abs/2311.06654v1
Date: Sat, 11 Nov 2023 19:47:16 GMT
ステータス: 処理完了
システム内更新日: 2023-11-14 17:31:25.271522
Title: Unsupervised and semi-supervised co-salient object detection via segmentation frequency statistics
Title（参考訳）: セグメンテーション周波数統計を用いた教師なし・半教師付き共存物体検出
Authors: Souradeep Chakraborty, Shujon Naha, Muhammet Bastan, Amit Kumar K C, Dimitris Samaras
Abstract要約: 我々は,画像群内の共起する有意な物体を検出するための教師なし手法を開発した。初めて、ImageNet-1kのような大規模なラベルなしデータセットを効果的に活用して、教師なしのCoSOD性能を改善することができることを示す。ラベルなしデータの予測から誤信号の伝搬を回避するため,信頼度推定モジュールを提案する。
参考スコア（独自算出の注目度）: 24.397029434125873
License: http://creativecommons.org/licenses/by/4.0/
Abstract: In this paper, we address the detection of co-occurring salient objects (CoSOD) in an image group using frequency statistics in an unsupervised manner, which further enable us to develop a semi-supervised method. While previous works have mostly focused on fully supervised CoSOD, less attention has been allocated to detecting co-salient objects when limited segmentation annotations are available for training. Our simple yet effective unsupervised method US-CoSOD combines the object co-occurrence frequency statistics of unsupervised single-image semantic segmentations with salient foreground detections using self-supervised feature learning. For the first time, we show that a large unlabeled dataset e.g. ImageNet-1k can be effectively leveraged to significantly improve unsupervised CoSOD performance. Our unsupervised model is a great pre-training initialization for our semi-supervised model SS-CoSOD, especially when very limited labeled data is available for training. To avoid propagating erroneous signals from predictions on unlabeled data, we propose a confidence estimation module to guide our semi-supervised training. Extensive experiments on three CoSOD benchmark datasets show that both of our unsupervised and semi-supervised models outperform the corresponding state-of-the-art models by a significant margin (e.g., on the Cosal2015 dataset, our US-CoSOD model has an 8.8% F-measure gain over a SOTA unsupervised co-segmentation model and our SS-CoSOD model has an 11.81% F-measure gain over a SOTA semi-supervised CoSOD model).
Abstract（参考訳）: 本稿では、周波数統計を用いた画像群における共起サラリアンオブジェクト(CoSOD)の検出に対処し、さらに半教師付き手法の開発を可能にする。以前の研究は、主に完全な教師付きcosodにフォーカスしていたが、訓練用に制限されたセグメンテーションアノテーションが利用できる場合、協調オブジェクトを検出することにはあまり注意が払われていない。 us-cosod法は,自己教師付き特徴学習を用いて,教師なし単一画像意味セグメンテーションのオブジェクト共起頻度統計と有意義な前景検出を組み合わせる。初めて、ImageNet-1kのような大規模なラベルなしデータセットを効果的に活用し、教師なしのCoSOD性能を大幅に改善できることを示す。我々の教師なしモデルは、特に非常に限られたラベル付きデータがトレーニングに利用可能である場合、半教師付きモデルSS-CoSODのトレーニング前初期化に優れたものです。ラベルなしデータの予測から誤信号の伝播を避けるため,半教師付きトレーニングをガイドする信頼度推定モジュールを提案する。例えば、Cosal2015データセットでは、当社のUS-CoSODモデルはSOTAの教師なしコセグメンテーションモデルよりも8.8%、SS-CoSODモデルはSOTAの半教師付きCoSODモデルよりも11.81%のF測定ゲインを持つ。

関連論文リスト

FPMT: Enhanced Semi-Supervised Model for Traffic Incident Detection [0.0]
本論文では、MixTextのフレームワーク内でFPMTと呼ばれる半教師付き学習モデルを提案する。データ拡張モジュールには、データセットのバランスと拡張のためのGenerative Adversarial Networksが導入されている。トレーニング戦略では、すべてのデータに対して教師なしのトレーニングを開始し、その後ラベル付きデータのサブセットを教師付き微調整し、最終的にはセミ教師付きトレーニングの目標を達成します。
論文参考訳（メタデータ） (2024-09-12T08:38:42Z)
Self-supervised co-salient object detection via feature correspondence at multiple scales [27.664016341526988]
本稿では,画像群における2段階の自己教師型手法を用いて,セグメンテーションアノテーションを必要とせず,共起性有色物体(CoSOD)を検出する手法を提案する。我々は、画像間の局所パッチレベルの特徴対応を計算し、コサレント領域を検出する自己教師ネットワークを訓練する。 3つのCoSODベンチマークデータセットの実験では、我々のモデルは、対応する最先端モデルよりも大きなマージンで優れています。
論文参考訳（メタデータ） (2024-03-17T06:21:21Z)
Benchmarking Zero-Shot Robustness of Multimodal Foundation Models: A Pilot Study [61.65123150513683]
CLIPのようなマルチモーダル基盤モデルは、最先端のゼロショット結果を生成する。これらのモデルは、ImageNetでトレーニングされた教師付きモデルのパフォーマンスを一致させることで、ロバスト性ギャップを埋めることが報告されている。 CLIPは、ベンチマーク上の教師付きImageNetモデルと比較して、かなりの堅牢性低下をもたらすことを示す。
論文参考訳（メタデータ） (2024-03-15T17:33:49Z)
A Large-scale Evaluation of Pretraining Paradigms for the Detection of Defects in Electroluminescence Solar Cell Images [3.729242965449096]
この研究は、太陽電池欠陥検出のための様々な事前学習手法の大規模評価とベンチマークである。セマンティックセグメンテーション、半教師あり学習、そして2つの自己教師あり技術を用いて教師あり訓練を網羅する。我々はSCDDのための新しい最先端技術を実現し、特定の事前学習スキームが、表現不足のクラスにおいて優れたパフォーマンスをもたらすことを示す。
論文参考訳（メタデータ） (2024-02-27T15:37:15Z)
A semi-supervised Teacher-Student framework for surgical tool detection and localization [2.41710192205034]
外科的ツール検出のパラダイムにおいて,半教師付き学習(SSL)フレームワークを導入する。提案手法では,教師-学生共同学習を初期化するラベル付きデータを用いたモデルを訓練する。 m2cai16-tool-locations データセットの結果は、異なる教師付きデータ設定に対するアプローチの優位性を示している。
論文参考訳（メタデータ） (2022-08-21T17:21:31Z)
Generalised Co-Salient Object Detection [50.876864826216924]
本稿では,従来のCo-Salient Object Detection(CoSOD)設定における仮定を緩和する新しい設定を提案する。我々はこの新たな設定を一般共分散オブジェクト検出(GCoSOD)と呼ぶ。本稿では,コサリエントオブジェクトのイメージ間欠如の認識をCoSODモデルに再現する,新しいランダムサンプリングに基づく一般CoSODトレーニング(Generalized CoSOD Training, GCT)手法を提案する。
論文参考訳（メタデータ） (2022-08-20T12:23:32Z)
Guided Point Contrastive Learning for Semi-supervised Point Cloud Semantic Segmentation [90.2445084743881]
そこで本研究では,モデル性能を向上させるために,未ラベルの点群をトレーニングに採用するための半教師付き点群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を提案する。近年の自己監督型タスクのコントラスト損失に触発されて,特徴表現とモデル一般化能力を高めるためのガイド付きポイントコントラスト損失を提案する。
論文参考訳（メタデータ） (2021-10-15T16:38:54Z)
Weakly Supervised Person Search with Region Siamese Networks [65.76237418040071]
教師付き学習は人検索において支配的であるが、境界ボックスとアイデンティティの詳細なラベル付けが必要である。私たちは、バウンディングボックスアノテーションのみが利用できる弱い教師付き設定を提示します。我々のモデルはCUHK-SYSUベンチマークで87.1%のランク1と86.0%のmAPを達成している。
論文参考訳（メタデータ） (2021-09-13T16:33:27Z)
WSSOD: A New Pipeline for Weakly- and Semi-Supervised Object Detection [75.80075054706079]
弱機能および半教師付きオブジェクト検出フレームワーク(WSSOD)を提案する。エージェント検出器は、まず関節データセット上でトレーニングされ、弱注釈画像上で擬似境界ボックスを予測するために使用される。提案フレームワークはPASCAL-VOC と MSCOCO のベンチマークで顕著な性能を示し,完全教師付き環境で得られたものと同等の性能を達成している。
論文参考訳（メタデータ） (2021-05-21T11:58:50Z)
Semi-supervised Left Atrium Segmentation with Mutual Consistency Training [60.59108570938163]
3次元MR画像からの半教師付き左房分割のための新しいMultual Consistency Network(MC-Net)を提案する。我々のMC-Netは1つのエンコーダと2つのわずかに異なるデコーダから構成されており、2つのデコーダの予測誤差は教師なしの損失として変換される。我々は,公開左心房(la)データベース上でmc-netを評価し,ラベルなしデータを効果的に活用することで印象的な性能向上を実現する。
論文参考訳（メタデータ） (2021-03-04T09:34:32Z)
Robust Disentanglement of a Few Factors at a Time [5.156484100374058]
変分オートエンコーダ(VAE)の整合性向上のための人口ベーストレーニング(PBT)を導入する。 PBT-VAEトレーニングでは、教師なしのモデルスコアとしてUnsupervised Disentanglement Ranking (UDR)を使用し、この方法でトレーニングされたモデルが、生成因子のサブセットのみを一貫して切り離す傾向を示す。複数のデータセットとメトリクスをまたいで、最先端の教師なしのアンハンジメント性能とロバストネスを著しく改善したことを示す。
論文参考訳（メタデータ） (2020-10-26T12:34:23Z)

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。