論文の概要: Complete Instances Mining for Weakly Supervised Instance Segmentation

• arxiv url: http://arxiv.org/abs/2402.07633v1
• Date: Mon, 12 Feb 2024 13:16:47 GMT
• ステータス: 処理完了
• システム内更新日: 2024-02-13 14:18:04.393060
• Title: Complete Instances Mining for Weakly Supervised Instance Segmentation
• Title（参考訳）: 弱修正インスタンスセグメンテーションのための完全なインスタンスマイニング
• Authors: Zecheng Li, Zening Zeng, Yuqi Liang, Jin-Gang Yu
• Abstract要約: 画像レベルのラベルのみを用いた弱教師付きインスタンスセグメンテーション(WSIS)のための新しい手法を提案する。 我々はMaskIoUヘッドを使用して提案の整合性のスコアを予測するとともに,冗長なセグメンテーション問題を明示的にモデル化するための完全インスタンスマイニング(CIM)戦略を提案する。 弊社のアプローチは、複数のインスタンスや完全なインスタンスをネットワークが認識できるようにし、アンチノイズ戦略を取り入れることで、その堅牢性をさらに向上する。
• 参考スコア（独自算出の注目度）: 6.177842623752537
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Weakly supervised instance segmentation (WSIS) using only image-level labels is a challenging task due to the difficulty of aligning coarse annotations with the finer task. However, with the advancement of deep neural networks (DNNs), WSIS has garnered significant attention. Following a proposal-based paradigm, we encounter a redundant segmentation problem resulting from a single instance being represented by multiple proposals. For example, we feed a picture of a dog and proposals into the network and expect to output only one proposal containing a dog, but the network outputs multiple proposals. To address this problem, we propose a novel approach for WSIS that focuses on the online refinement of complete instances through the use of MaskIoU heads to predict the integrity scores of proposals and a Complete Instances Mining (CIM) strategy to explicitly model the redundant segmentation problem and generate refined pseudo labels. Our approach allows the network to become aware of multiple instances and complete instances, and we further improve its robustness through the incorporation of an Anti-noise strategy. Empirical evaluations on the PASCAL VOC 2012 and MS COCO datasets demonstrate that our method achieves state-of-the-art performance with a notable margin. Our implementation will be made available at https://github.com/ZechengLi19/CIM.
• Abstract（参考訳）: 画像レベルのラベルのみを使用したwsis(weakly supervised instance segmentation)は、粗いアノテーションとより細かいタスクとの整合が難しいため、難しい課題である。 しかし、ディープニューラルネットワーク(DNN)の進歩により、WSISは大きな注目を集めている。 提案に基づくパラダイムに従うと、1つのインスタンスが複数の提案によって表現されるため、冗長なセグメンテーションの問題が発生する。 例えば、犬の写真と提案をネットワークに送信し、犬を含む1つの提案だけを出力することを期待しますが、ネットワークは複数の提案を出力します。 この問題に対処するために,提案手法の完全性を評価するため,MaskIoUヘッドを用いた完全インスタンスのオンライン改善に焦点を当てたWSISの新しいアプローチと,冗長なセグメンテーション問題を明示的にモデル化し,洗練された擬似ラベルを生成するための完全インスタンスマイニング(CIM)戦略を提案する。 弊社のアプローチは、複数のインスタンスや完全なインスタンスをネットワークが認識できるようにし、アンチノイズ戦略を取り入れることで、その堅牢性をさらに向上する。 PASCAL VOC 2012 および MS COCO データセットの実証評価により,本手法が最先端の性能を顕著に向上することを示す。 私たちの実装はhttps://github.com/ZechengLi19/CIMで公開されます。

関連論文リスト

• Collaborative Propagation on Multiple Instance Graphs for 3D Instance Segmentation with Single-point Supervision [63.429704654271475]
  本稿では,1つのオブジェクトを1つのポイントでラベル付けするだけでよい,弱教師付き手法RWSegを提案する。 これらの疎いラベルにより、セマンティック情報とインスタンス情報を伝達する2つの分岐を持つ統一的なフレームワークを導入する。 具体的には、異なるインスタンスグラフ間の競合を促進するクロスグラフ競合ランダムウォークス(CRW)アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2022-08-10T02:14:39Z)
• UniInst: Unique Representation for End-to-End Instance Segmentation [29.974973664317485]
  ボックスフリーでNMSフリーなエンドツーエンドのインスタンスセグメンテーションフレームワークUniInstを提案する。 具体的には、各インスタンスに1つのユニークな表現を動的に割り当てるインスタンス対応1対1の代入スキームを設計する。 これらの技術により、最初のFCNベースのエンドツーエンドインスタンスセグメンテーションフレームワークであるUniInstは、競争力のあるパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2022-05-25T10:40:26Z)
• Group R-CNN for Weakly Semi-supervised Object Detection with Points [18.720915213798623]
  本稿では,グループR-CNNの効率的なポイントツーボックス回帰器を提案する。 グループR-CNNはまず、各ポイントアノテーションに対する提案のグループを生成するために、インスタンスレベルの提案グループを使用する。 我々は,グループR-CNNが先行手法であるポイントDETRの3.9mAPと5%の良好なラベル付き画像より有意に優れていたことを示す。
  論文  参考訳（メタデータ） (2022-05-12T07:17:54Z)
• Beyond the Prototype: Divide-and-conquer Proxies for Few-shot Segmentation [63.910211095033596]
  少ないショットのセグメンテーションは、少数の濃密なラベル付けされたサンプルのみを与えられた、目に見えないクラスオブジェクトをセグメンテーションすることを目的としている。 分割・分散の精神において, 単純かつ多目的な枠組みを提案する。 提案手法は、DCP(disvision-and-conquer proxies)と呼ばれるもので、適切な信頼性のある情報の開発を可能にする。
  論文  参考訳（メタデータ） (2022-04-21T06:21:14Z)
• Semantic Attention and Scale Complementary Network for Instance Segmentation in Remote Sensing Images [54.08240004593062]
  本稿では,セマンティックアテンション(SEA)モジュールとスケール補完マスクブランチ(SCMB)で構成される,エンドツーエンドのマルチカテゴリインスタンスセグメンテーションモデルを提案する。 SEAモジュールは、機能マップ上の興味あるインスタンスのアクティベーションを強化するために、追加の監督を備えた、単純な完全な畳み込みセマンティックセマンティックセマンティクスブランチを含んでいる。 SCMBは、元のシングルマスクブランチをトリデントマスクブランチに拡張し、異なるスケールで補完マスクの監視を導入する。
  論文  参考訳（メタデータ） (2021-07-25T08:53:59Z)
• SOLO: A Simple Framework for Instance Segmentation [84.00519148562606]
  インスタンスカテゴリ"は、インスタンスの場所に応じて、インスタンス内の各ピクセルにカテゴリを割り当てる。 SOLO"は、強力なパフォーマンスを備えたインスタンスセグメンテーションのための、シンプルで、直接的で、高速なフレームワークです。 提案手法は, 高速化と精度の両面から, 実例分割の最先端結果を実現する。
  論文  参考訳（メタデータ） (2021-06-30T09:56:54Z)
• Deep Variational Instance Segmentation [7.334808870313923]
  State-of-the-artアルゴリズムは、しばしば2つの別々のステージを使用し、最初の1つはオブジェクトの提案を生成し、もう1つは境界を認識して修正する。 完全畳み込みネットワーク(FCN)を直接利用して,インスタンスラベルを予測する新しいアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-07-22T17:57:49Z)
• Boundary-assisted Region Proposal Networks for Nucleus Segmentation [89.69059532088129]
  大量の核が混在しているため、機械学習モデルはうまく機能しない。 我々は、堅牢なインスタンスレベルの核分割を実現する境界支援領域提案ネットワーク(BRP-Net)を考案する。
  論文  参考訳（メタデータ） (2020-06-04T08:26:38Z)
• Conditional Convolutions for Instance Segmentation [109.2706837177222]
  我々はCondInstと呼ばれるシンプルだが効果的なインスタンスセグメンテーションフレームワークを提案する。 インスタンスに条件付き動的インスタンス認識ネットワークを採用しています。 本稿では,精度と推論速度の両面で性能の向上を実現するための,より単純なインスタンス分割法を示す。
  論文  参考訳（メタデータ） (2020-03-12T08:42:36Z)
• Towards Bounding-Box Free Panoptic Segmentation [16.4548904544277]
  パン光学セグメンテーションのための新しいBunding-Box Free Network (BBFNet) を提案する。 BBFNetは、粗い流域レベルを予測し、境界が適切に定義された大きなインスタンス候補を検出するためにそれらを使用する。 境界が信頼性の低い小さなインスタンスでは、BBFNetはHoughの投票によってインスタンス中心を予測し、続いて平均シフトによって小さなオブジェクトを確実に検出する。
  論文  参考訳（メタデータ） (2020-02-18T16:34:01Z)

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。