論文の概要: Boundary and Relation Distillation for Semantic Segmentation

• arxiv url: http://arxiv.org/abs/2401.13174v1
• Date: Wed, 24 Jan 2024 01:41:26 GMT
• ステータス: 処理完了
• システム内更新日: 2024-01-25 15:40:18.724893
• Title: Boundary and Relation Distillation for Semantic Segmentation
• Title（参考訳）: セマンティックセグメンテーションにおける境界と関係蒸留
• Authors: Dong Zhang, Pingcheng Dong, Xinting Hu, Long Chen, Kwang-Ting Cheng
• Abstract要約: 小さなセマンティックセグメンテーションモデルでは、境界領域の完全性を維持し、ターゲット領域の接続性を維持する際にエラーが発生する。 本研究では,大規模教師モデルから小学生モデルへの知識蒸留を用いた境界・関係蒸留(BRD)戦略を提案する。 BRDは推論コストを増大させることなく、現在の手法を大幅に上回る。
• 参考スコア（独自算出の注目度）: 32.700516989188536
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Recently, it has been revealed that small semantic segmentation (SS) models exhibit a tendency to make errors in maintaining boundary region completeness and preserving target region connectivity, despite their effective segmentation of the main object regions. To address these errors, we propose a targeted boundary and relation distillation (BRD) strategy using knowledge distillation from large teacher models to small student models. Specifically, the boundary distillation extracts explicit object boundaries from the hierarchical feature maps of the backbone network, subsequently enhancing the student model's mask quality in boundary regions. Concurrently, the relation distillation transfers implicit relations from the teacher model to the student model using pixel-level self-relation as a bridge, ensuring that the student's mask has strong target region connectivity. The proposed BRD is designed concretely for SS and is characterized by simplicity and efficiency. Through experimental evaluations on multiple SS datasets, including Pascal VOC 2012, Cityscapes, ADE20K, and COCO-Stuff 10K, we demonstrated that BRD significantly surpasses the current methods without increasing the inference costs, generating crisp region boundaries and smooth connecting regions that are challenging for small models.
• Abstract（参考訳）: 近年,スモールセマンティクスセグメンテーション(ss)モデルでは,主対象領域の効果的なセグメンテーションにもかかわらず,境界領域の完全性維持や対象領域の接続性維持に誤りが生じる傾向が明らかにされている。 これらの誤りに対処するために,大規模教師モデルから小学生モデルへの知識蒸留を用いた境界・関係蒸留(BRD)戦略を提案する。 具体的には、境界蒸留はバックボーンネットワークの階層的特徴マップから明示的なオブジェクト境界を抽出し、その後、境界領域における学生モデルのマスク品質を向上させる。 同時に, 教師モデルから学生モデルへの暗黙の関係を, 画素レベルの自己関係をブリッジとして伝達し, 生徒のマスクが強い目標領域接続性を持つことを保証する。 提案するbrdはss用に設計され,単純さと効率性が特徴である。 筆者らは,Pascal VOC 2012,Cityscapes,ADE20K,COCO-Stuff 10Kを含む複数のSSデータセットの実験的評価により,BRDが推定コストを増大させることなく現在の手法を大幅に上回ることを示した。

関連論文リスト

• Optimization Efficient Open-World Visual Region Recognition [55.76437190434433]
  RegionSpotは、ローカライゼーション基盤モデルから位置認識ローカライゼーション知識と、ViLモデルからのセマンティック情報を統合する。 オープンワールドオブジェクト認識の実験では、私たちのRereaSpotは、以前の代替よりも大きなパフォーマンス向上を実現しています。
  論文  参考訳（メタデータ） (2023-11-02T16:31:49Z)
• X-PDNet: Accurate Joint Plane Instance Segmentation and Monocular Depth Estimation with Cross-Task Distillation and Boundary Correction [9.215384107659665]
  X-PDNetは平面インスタンス分割と深さ推定のマルチタスク学習のためのフレームワークである。 我々は、境界回帰損失を増大させるために、基底真理境界を用いることの現在の限界を強調した。 境界領域分割を支援するために深度情報を利用する新しい手法を提案する。
  論文  参考訳（メタデータ） (2023-09-15T14:27:54Z)
• BPKD: Boundary Privileged Knowledge Distillation For Semantic Segmentation [20.450568708073767]
  本稿では,セマンティックセグメンテーションのための境界優先型知識蒸留(BPKD)を提案する。 BPKDは、教師モデルの体とエッジの知識を、コンパクトな学生モデルと別々に蒸留する。 BPKD法は, エッジ領域とボディ領域を広範囲に改良し, 集約する手法であることを示す。
  論文  参考訳（メタデータ） (2023-06-13T18:45:32Z)
• Contrastive Neighborhood Alignment [81.65103777329874]
  本稿では,学習特徴のトポロジを維持するための多様体学習手法であるContrastive Neighborhood Alignment(CNA)を提案する。 対象モデルは、対照的な損失を用いて、ソース表現空間の局所構造を模倣することを目的としている。 CNAは3つのシナリオで説明される: 多様体学習、モデルが元のデータの局所的なトポロジーを次元還元された空間で維持する、モデル蒸留、小さな学生モデルがより大きな教師を模倣するために訓練される、レガシーモデル更新、より強力なモデルに置き換えられる、という3つのシナリオである。
  論文  参考訳（メタデータ） (2022-01-06T04:58:31Z)
• Weakly Supervised Semantic Segmentation via Alternative Self-Dual Teaching [82.71578668091914]
  本稿では,分類とマスク・リファインメント・コンポーネントを統合された深層モデルに組み込む,コンパクトな学習フレームワークを確立する。 本稿では,高品質な知識相互作用を促進するために,新たな自己双対学習(ASDT)機構を提案する。
  論文  参考訳（メタデータ） (2021-12-17T11:56:56Z)
• Boundary Guided Context Aggregation for Semantic Segmentation [23.709865471981313]
  我々は、画像の全体的意味理解を促進するために、コンテキストアグリゲーションのための重要なガイダンスとして境界を利用する。 我々はCityscapesとADE20Kデータベースに関する広範な実験を行い、最先端の手法で同等の結果を得る。
  論文  参考訳（メタデータ） (2021-10-27T17:04:38Z)
• Look Closer to Segment Better: Boundary Patch Refinement for Instance Segmentation [51.59290734837372]
  境界品質を改善するために,概念的にシンプルで効果的な後処理改善フレームワークを提案する。 提案されたBPRフレームワークは、CityscapesベンチマークのMask R-CNNベースラインを大幅に改善する。 BPRフレームワークをPolyTransform + SegFixベースラインに適用することで、Cityscapesのリーダーボードで1位に到達しました。
  論文  参考訳（メタデータ） (2021-04-12T07:10:48Z)
• Think about boundary: Fusing multi-level boundary information for landmark heatmap regression [51.48533538153833]
  顔の境界とランドマークの関係を探索するための2段階のエンドツーエンドアプローチについて検討する。 境界対応ランドマーク予測は,自己校正境界推定(SCBE)モジュールと境界対応ランドマーク変換(BALT)モジュールの2つのモジュールで構成される。 我々の手法は文学における最先端の手法より優れている。
  論文  参考訳（メタデータ） (2020-08-25T10:14:13Z)
• Deep Complementary Joint Model for Complex Scene Registration and Few-shot Segmentation on Medical Images [15.958078577731815]
  本稿では,複雑なシーン登録と少数ショットセグメンテーションのための新しいDeep Complementary Joint Model (DeepRS)を提案する。 登録に摂動係数を埋め込んで変形の活性を増大させ、増大データの多様性を維持する。 セグメンテーションモデルからの出力は、ディープベース領域制約を実装するために利用され、ラベル要求を緩和し、詳細な登録をもたらす。
  論文  参考訳（メタデータ） (2020-08-03T08:25:59Z)
• Inter-Region Affinity Distillation for Road Marking Segmentation [81.3619453527367]
  本研究では,大規模な教員ネットワークからより小さな学生ネットワークへ知識を蒸留する問題について検討する。 我々の手法はInter-Region Affinity KD(IntRA-KD)として知られている。
  論文  参考訳（メタデータ） (2020-04-11T04:26:37Z)

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。