論文の概要: Solution for CVPR 2024 UG2+ Challenge Track on All Weather Semantic Segmentation

• arxiv url: http://arxiv.org/abs/2406.05837v1
• Date: Sun, 9 Jun 2024 15:56:35 GMT
• ステータス: 処理完了
• システム内更新日: 2024-06-11 17:47:48.411294
• Title: Solution for CVPR 2024 UG2+ Challenge Track on All Weather Semantic Segmentation
• Title（参考訳）: 全気象セマンティックセグメンテーションにおけるCVPR 2024 UG2+チャレンジトラックの解法
• Authors: Jun Yu, Yunxiang Zhang, Fengzhao Sun, Leilei Wang, Renjie Lu,
• Abstract要約: UG2+ Challenge at CVPR 2024において, 悪天候におけるセマンティックセグメンテーションの解決法について述べる。 InternImage-Hのバックボーンを,大規模関節データセットから事前トレーニングした重み付きで初期化し,最先端のUpernetセグメンテーション手法で強化する。 提案手法は,テストセット上での高度な性能を実証し,この課題において第3位を達成している。
• 参考スコア（独自算出の注目度）: 9.322345758563886
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In this report, we present our solution for the semantic segmentation in adverse weather, in UG2+ Challenge at CVPR 2024. To achieve robust and accurate segmentation results across various weather conditions, we initialize the InternImage-H backbone with pre-trained weights from the large-scale joint dataset and enhance it with the state-of-the-art Upernet segmentation method. Specifically, we utilize offline and online data augmentation approaches to extend the train set, which helps us to further improve the performance of the segmenter. As a result, our proposed solution demonstrates advanced performance on the test set and achieves 3rd position in this challenge.
• Abstract（参考訳）: 本報告では, CVPR 2024におけるUG2+ Challengeにおいて, 悪天候における意味的セグメンテーションの解決法について述べる。 各種気象条件にまたがる堅牢かつ正確なセグメンテーション結果を達成するため,大規模関節データセットから事前訓練した重み付きInternImage-Hバックボーンを初期化し,最先端のUpernetセグメンテーション法で強化した。 具体的には、オフラインおよびオンラインデータ拡張アプローチを使用して、列車の集合を拡張し、セグメンタの性能をさらに向上するのに役立つ。 その結果,提案手法はテストセットの高度な性能を示し,この課題において第3位を達成している。

関連論文リスト

• Point Transformer V3 Extreme: 1st Place Solution for 2024 Waymo Open Dataset Challenge in Semantic Segmentation [98.11452697097539]
  この技術的レポートでは、2024年のオープンデータセットチャレンジのセマンティックセグメンテーショントラックの第一位ソリューションについて詳述する。 我々は,最先端のプラグアンドプレイトレーニングと推論技術を実装することで,ベンチマーク上でのポイントトランスフォーマーV3の性能を大幅に向上させた。 このアプローチによって、Openデータセットセグメンテーションのリーダボードのトップポジションが確保され、他のエントリよりも大幅に向上しました。
  論文  参考訳（メタデータ） (2024-07-21T22:08:52Z)
• A Two-Stage Adverse Weather Semantic Segmentation Method for WeatherProof Challenge CVPR 2024 Workshop UG2+ [10.069192320623031]
  We propose a two-stage Deep Learning framework for the WeatherProof dataset Challenge。 この課題では,mIoU(Mean Intersection over Union)測定値で0.43の競争スコアを達成し,上位4位を確保した。
  論文  参考訳（メタデータ） (2024-06-08T16:22:26Z)
• Enhanced Semantic Segmentation Pipeline for WeatherProof Dataset Challenge [2.722639169181398]
  本報告では、WeatherProofデータセットチャレンジの勝利ソリューションについて述べる。 本稿では,この課題に対するセマンティックセグメンテーションパイプラインの強化を提案する。 我々は、より広い視角を持つ新しいデータセットであるWeatherProofExtraを導入し、データ拡張手法を採用した。 私たちのソリューションは、最終リーダーボードで1位にランクされています。
  論文  参考訳（メタデータ） (2024-06-06T07:12:50Z)
• Data Augmentation for Traffic Classification [54.92823760790628]
  Data Augmentation (DA) はコンピュータビジョン(CV)と自然言語処理(NLP)に広く採用されている技術である。 DAはネットワークのコンテキスト、特にトラフィック分類(TC)タスクにおいて、牽引力を得るのに苦労しています。
  論文  参考訳（メタデータ） (2024-01-19T15:25:09Z)
• Semantic Segmentation on VSPW Dataset through Contrastive Loss and Multi-dataset Training Approach [7.112725255953468]
  本稿では,ビデオセマンティックセグメンテーションのためのCVPR2023ワークショップの優勝ソリューションを提案する。 CVPR 2023では,VSPWデータセットの65.95%mIoU性能が第一位にランクされた。
  論文  参考訳（メタデータ） (2023-06-06T08:53:53Z)
• 3rd Place Solution for PVUW2023 VSS Track: A Large Model for Semantic Segmentation on VSPW [68.56017675820897]
  本稿では,PVUW2023 VSSトラックの3位解について紹介する。 ビデオセマンティックセグメンテーションの課題を解決するために,様々な画像レベルの視覚的バックボーンとセグメンテーションヘッドを探索した。
  論文  参考訳（メタデータ） (2023-06-04T07:50:38Z)
• The Second Place Solution for ICCV2021 VIPriors Instance Segmentation Challenge [6.087398773657721]
  データ効率のよいコンピュータビジョンのためのビジュアルインダクティブプライオリティ(VIPriors)は、競合に対して、データ不足の環境でモデルをゼロからトレーニングするように求めている。 ICCV 2021 VIPriorsインスタンスセグメンテーションチャレンジの技術的詳細を紹介する。 ICCV 2021 VIPriors インスタンスセグメンテーションの試験セットで 40.2%AP@0.50:0.95 を達成することができる。
  論文  参考訳（メタデータ） (2021-12-02T09:23:02Z)
• InverseForm: A Loss Function for Structured Boundary-Aware Segmentation [80.39674800972182]
  逆変換ネットワークを用いたセマンティックセグメンテーションのための新しい境界認識損失項を提案する。 このプラグイン損失項は境界変換の捕捉におけるクロスエントロピー損失を補完する。 室内および屋外のセグメンテーションベンチマークにおける損失関数の定量的および定性的効果を解析した。
  論文  参考訳（メタデータ） (2021-04-06T18:52:45Z)
• Adversarial Feature Augmentation and Normalization for Visual Recognition [109.6834687220478]
  最近のコンピュータビジョンの進歩は、分類モデルの一般化能力を改善するために、逆データ拡張を利用する。 本稿では,中間的特徴埋め込みにおける敵対的拡張を提唱する効率的かつ効率的な代替手法を提案する。 代表的なバックボーンネットワークを用いて,多様な視覚認識タスクにまたがる提案手法を検証する。
  論文  参考訳（メタデータ） (2021-03-22T20:36:34Z)
• 1st Place Solutions for OpenImage2019 -- Object Detection and Instance Segmentation [116.25081559037872]
  この記事では,2つのチャンピオンチーム,検出トラックのMMfruit'とセグメンテーショントラックのMMfruitSeg'のソリューションについて,OpenImage Challenge 2019で紹介する。 一般に、対象検出器の場合、バックボーンの端の共有特徴は分類と回帰の両方に適さないことが知られている。 自己学習型最適特徴抽出によりオブジェクトの分類と回帰を分離するデカップリングヘッド(DH)を提案する。
  論文  参考訳（メタデータ） (2020-03-17T06:45:07Z)

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。