論文の概要: MarsSeg: Mars Surface Semantic Segmentation with Multi-level Extractor and Connector
- arxiv url: http://arxiv.org/abs/2404.04155v1
- Date: Fri, 5 Apr 2024 15:04:57 GMT
- ステータス: 処理完了
- システム内更新日: 2024-04-08 15:55:28.106471
- Title: MarsSeg: Mars Surface Semantic Segmentation with Multi-level Extractor and Connector
- Title（参考訳）: MarsSeg:マルチレベルエクストラクタとコネクタによる火星表面セマンティックセマンティックセグメンテーション
- Authors: Junbo Li, Keyan Chen, Gengju Tian, Lu Li, Zhenwei Shi,
- Abstract要約: 本稿では,MarsSegと呼ばれる新しいエンコーダデコーダベースの火星セグメンテーションネットワークを提案する。
Mini-ASPPとPSAはシャドー機能拡張用に特別に設計されている。
SPPMは、高レベルのセマンティックカテゴリ関連情報の抽出を容易にする、機能強化のために使用される。
- 参考スコア（独自算出の注目度）: 19.053126804261034
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The segmentation and interpretation of the Martian surface play a pivotal role in Mars exploration, providing essential data for the trajectory planning and obstacle avoidance of rovers. However, the complex topography, similar surface features, and the lack of extensive annotated data pose significant challenges to the high-precision semantic segmentation of the Martian surface. To address these challenges, we propose a novel encoder-decoder based Mars segmentation network, termed MarsSeg. Specifically, we employ an encoder-decoder structure with a minimized number of down-sampling layers to preserve local details. To facilitate a high-level semantic understanding across the shadow multi-level feature maps, we introduce a feature enhancement connection layer situated between the encoder and decoder. This layer incorporates Mini Atrous Spatial Pyramid Pooling (Mini-ASPP), Polarized Self-Attention (PSA), and Strip Pyramid Pooling Module (SPPM). The Mini-ASPP and PSA are specifically designed for shadow feature enhancement, thereby enabling the expression of local details and small objects. Conversely, the SPPM is employed for deep feature enhancement, facilitating the extraction of high-level semantic category-related information. Experimental results derived from the Mars-Seg and AI4Mars datasets substantiate that the proposed MarsSeg outperforms other state-of-the-art methods in segmentation performance, validating the efficacy of each proposed component.
- Abstract（参考訳）: 火星の表面のセグメンテーションと解釈は、火星探査において重要な役割を担い、軌道計画とローバーの障害物回避に不可欠なデータを提供する。
しかし、複雑な地形、類似した表面の特徴、広範囲な注釈付きデータの欠如は、火星表面の高精度なセマンティックセグメンテーションに重大な課題をもたらす。
これらの課題に対処するため、我々はMarsSegと呼ばれる新しいエンコーダデコーダベースの火星セグメンテーションネットワークを提案する。
具体的には、局所的な詳細を保存するために、最小限のダウンサンプリング層を持つエンコーダデコーダ構造を用いる。
シャドーマルチレベル特徴マップの高レベルな意味理解を容易にするために,エンコーダとデコーダの間に位置する機能拡張接続層を導入する。
この層にはMini-ASPP(Mini-ASPP)、PSA(Polarized Self-Attention)、SPPM(Strip Pyramid Pooling Module)が含まれる。
Mini-ASPPとPSAは特にシャドー機能拡張のために設計されており、ローカルの詳細や小さなオブジェクトを表現できる。
逆に、SPPMは、高レベルのセマンティックカテゴリ関連情報の抽出を容易にする深い機能強化に使用される。
Mars-SegとAI4Marsのデータセットから得られた実験結果は、提案されたMarsSegがセグメンテーション性能において他の最先端手法よりも優れており、提案された各コンポーネントの有効性が検証されていることを裏付けている。
関連論文リスト
- PyramidMamba: Rethinking Pyramid Feature Fusion with Selective Space State Model for Semantic Segmentation of Remote Sensing Imagery [30.522327480291295]
本稿では,新しいMambaベースのセグメンテーションネットワークであるPraamidMambaを提案する。
具体的には,高密度空間ピラミッドプーリング (DSPP) を設計し,多スケールな意味的特徴を符号化し,多スケールな特徴融合における意味的冗長性を低減するためにピラミッド融合マムバ (PFM) を符号化する。
PyramidMambaは3つの公開データセットで最先端のパフォーマンスを実現しています。
論文 参考訳（メタデータ） (2024-06-16T07:43:40Z) - Federated Multi-Agent Mapping for Planetary Exploration [0.4143603294943439]
本稿では,データ共有を必要とせず,エージェント間で集中マップモデルを共同で学習する手法を提案する。
我々のアプローチは暗黙のニューラルマッピングを利用して、パシモニアスで適応可能な表現を生成する。
火星の地形と氷河のデータセットを用いたフェデレーションマッピング手法の有効性を実証する。
論文 参考訳（メタデータ） (2024-04-02T20:32:32Z) - Towards the Uncharted: Density-Descending Feature Perturbation for Semi-supervised Semantic Segmentation [51.66997548477913]
本稿では,DDFP(Dedentity-Descending Feature Perturbation)という特徴レベルの一貫性学習フレームワークを提案する。
半教師付き学習における低密度分離仮定にインスパイアされた私たちの重要な洞察は、特徴密度はセグメンテーション分類器が探索する最も有望な方向の光を放つことができるということである。
提案したDFFPは、機能レベルの摂動に関する他の設計よりも優れており、Pascal VOCとCityscapesのデータセット上でのアートパフォーマンスの状態を示している。
論文 参考訳（メタデータ） (2024-03-11T06:59:05Z) - Pyramid Feature Attention Network for Monocular Depth Prediction [8.615717738037823]
本稿では,高レベルな文脈特徴と低レベルな空間特徴を改善するために,ピラミッド特徴注意ネットワーク(PFANet)を提案する。
提案手法は,KITTIデータセット上での最先端の手法よりも優れている。
論文 参考訳（メタデータ） (2024-03-03T08:33:23Z) - S$^{5}$Mars: Semi-Supervised Learning for Mars Semantic Segmentation [18.92602724896845]
火星のセマンティックセグメンテーションは、ローバーの自律計画と安全な運転の基盤である重要な火星ビジョンタスクである。
優れたモデルを得るためには、ほとんどのディープラーニングメソッドが正確に要求する、十分な詳細かつ高信頼のデータアノテーションが欠如している。
本稿では,共同データと手法設計の観点からその解決策を提案する。
実験結果から,本手法は最先端のSSL手法よりも優れていることがわかった。
論文 参考訳（メタデータ） (2022-07-04T05:03:10Z) - High-resolution Depth Maps Imaging via Attention-based Hierarchical
Multi-modal Fusion [84.24973877109181]
誘導DSRのための新しい注意に基づく階層型マルチモーダル融合ネットワークを提案する。
本手法は,再現精度,動作速度,メモリ効率の点で最先端手法よりも優れていることを示す。
論文 参考訳（メタデータ） (2021-04-04T03:28:33Z) - Feature Pyramid Network with Multi-Head Attention for Se-mantic
Segmentation of Fine-Resolution Remotely Sensed Im-ages [4.869987958751064]
我々は,低レベル機能と高レベル機能のギャップを埋めるために,機能ピラミッドネットワーク(fpn)を導入する。
本研究では,ファインレゾリューションリモートセンシング画像のセマンティックセグメンテーションのためのマルチヘッドアテンション(FPN-MHA)を備えた特徴ピラミッドネットワークを提案する。
論文 参考訳（メタデータ） (2021-02-16T07:54:19Z) - A Holistically-Guided Decoder for Deep Representation Learning with
Applications to Semantic Segmentation and Object Detection [74.88284082187462]
一般的な戦略の1つは、バックボーンネットワークに拡張畳み込みを採用し、高解像度のフィーチャーマップを抽出することです。
本稿では,高分解能なセマンティクスリッチな特徴マップを得るために紹介される,新たなホリスティック誘導デコーダを提案する。
論文 参考訳（メタデータ） (2020-12-18T10:51:49Z) - Campus3D: A Photogrammetry Point Cloud Benchmark for Hierarchical
Understanding of Outdoor Scene [76.4183572058063]
複数の屋外シーン理解タスクに対して,リッチな注釈付き3Dポイントクラウドデータセットを提案する。
データセットは階層型ラベルとインスタンスベースのラベルの両方でポイントワイズアノテートされている。
本稿では,3次元点雲分割のための階層的学習問題を定式化し,様々な階層間の整合性を評価することを提案する。
論文 参考訳（メタデータ） (2020-08-11T19:10:32Z) - Spatial Pyramid Based Graph Reasoning for Semantic Segmentation [67.47159595239798]
セマンティックセグメンテーションタスクにグラフ畳み込みを適用し、改良されたラプラシアンを提案する。
グラフ推論は、空間ピラミッドとして構成された元の特徴空間で直接実行される。
計算とメモリのオーバーヘッドの利点で同等のパフォーマンスを実現しています。
論文 参考訳（メタデータ） (2020-03-23T12:28:07Z) - Cross-layer Feature Pyramid Network for Salient Object Detection [102.20031050972429]
本稿では,有能な物体検出における進行的融合を改善するために,新しいクロス層特徴ピラミッドネットワークを提案する。
レイヤごとの分散機能は、他のすべてのレイヤからセマンティクスと健全な詳細の両方を同時に所有し、重要な情報の損失を減らします。
論文 参考訳（メタデータ） (2020-02-25T14:06:27Z)
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。