論文の概要: A Labeled Array Distance Metric for Measuring Image Segmentation Quality
- arxiv url: http://arxiv.org/abs/2406.07851v1
- Date: Wed, 12 Jun 2024 03:39:16 GMT
- ステータス: 処理完了
- システム内更新日: 2024-06-13 18:34:46.501946
- Title: A Labeled Array Distance Metric for Measuring Image Segmentation Quality
- Title(参考訳): 画像分割品質測定のためのラベル付きアレイ距離計
- Authors: Maryam Berijanian, Katrina Gensterblum, Doruk Alp Mutlu, Katelyn Reagan, Andrew Hart, Dirk Colbry,
- Abstract要約: LADとMADLADという2つの距離測度を提案し、2つのラベル付き画像間の距離を算出する。
異なる画像分割アルゴリズムの精度は、その出力を「地上真実」ラベル付けに対して測定することで評価することができる。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This work introduces two new distance metrics for comparing labeled arrays, which are common outputs of image segmentation algorithms. Each pixel in an image is assigned a label, with binary segmentation providing only two labels ('foreground' and 'background'). These can be represented by a simple binary matrix and compared using pixel differences. However, many segmentation algorithms output multiple regions in a labeled array. We propose two distance metrics, named LAD and MADLAD, that calculate the distance between two labeled images. By doing so, the accuracy of different image segmentation algorithms can be evaluated by measuring their outputs against a 'ground truth' labeling. Both proposed metrics, operating with a complexity of $O(N)$ for images with $N$ pixels, are designed to quickly identify similar labeled arrays, even when different labeling methods are used. Comparisons are made between images labeled manually and those labeled by segmentation algorithms. This evaluation is crucial when searching through a space of segmentation algorithms and their hyperparameters via a genetic algorithm to identify the optimal solution for automated segmentation, which is the goal in our lab, SEE-Insight. By measuring the distance from the ground truth, these metrics help determine which algorithm provides the most accurate segmentation.
- Abstract(参考訳): 本研究は,画像分割アルゴリズムの共通出力であるラベル付き配列を比較するための2つの新しい距離指標を導入する。
画像の各ピクセルにはラベルが割り当てられ、バイナリセグメンテーションは2つのラベル(「地上」と「背景」)のみを提供する。
これらは単純なバイナリ行列で表現でき、ピクセル差を使って比較できる。
しかし、多くのセグメンテーションアルゴリズムはラベル付き配列で複数の領域を出力する。
LADとMADLADという2つの距離測度を提案し、2つのラベル付き画像間の距離を算出する。
これにより、異なる画像分割アルゴリズムの精度を、その出力を「地上真実」ラベル付けに対して測定することで評価することができる。
どちらのメトリクスも、$O(N)$の複雑な画像に対して$N$のピクセルで動作し、異なるラベル付け方法を使用しても、類似のラベル付き配列を素早く識別するように設計されている。
手動でラベル付けされた画像とセグメンテーションアルゴリズムでラベル付けされた画像の比較を行う。
セグメンテーションアルゴリズムとそのハイパーパラメータの空間を遺伝的アルゴリズムで探索し、自動セグメンテーションの最適解を特定する際には、この評価が重要である。
地上の真実からの距離を測定することで、これらの指標はどのアルゴリズムが最も正確なセグメンテーションを提供するかを決定するのに役立ちます。
関連論文リスト
- Semi-supervised segmentation of land cover images using nonlinear
canonical correlation analysis with multiple features and t-SNE [1.7000283696243563]
イメージセグメンテーションはクラスタリングタスクであり、各ピクセルにクラスタラベルが割り当てられる。
本研究では,少数のピクセルのみをラベル付けすることで,半教師付きセグメンテーション手法を提案する。
提案した半教師付きRBF-CCAアルゴリズムは、リモートセンシングされた複数のマルチスペクトル画像に実装されている。
論文 参考訳(メタデータ) (2024-01-22T17:56:07Z) - Learning Semantic Segmentation with Query Points Supervision on Aerial Images [57.09251327650334]
セマンティックセグメンテーションアルゴリズムを学習するための弱教師付き学習アルゴリズムを提案する。
提案手法は正確なセマンティックセグメンテーションを行い,手作業のアノテーションに要するコストと時間を大幅に削減することで効率を向上する。
論文 参考訳(メタデータ) (2023-09-11T14:32:04Z) - A Graph Multi-separator Problem for Image Segmentation [5.669988741216654]
マルチセパレータ問題(マルチセパレータ問題)と呼ばれる最適化問題の形で,画像分割タスクの新たな抽象化を提案する。
実現可能な解は,各画素がセグメントに属するか否かを示すとともに,画素が同一セグメントに属するか否かを示す。
論文 参考訳(メタデータ) (2023-07-10T14:32:24Z) - CorrMatch: Label Propagation via Correlation Matching for
Semi-Supervised Semantic Segmentation [73.89509052503222]
本稿では、CorrMatchと呼ばれる、単純だが実行可能な半教師付き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手法を提案する。
相関写像は、同一カテゴリのクラスタリングピクセルを容易に実現できるだけでなく、良好な形状情報も含んでいることを観察する。
我々は,高信頼画素を拡大し,さらに掘り出すために,画素の対の類似性をモデル化して画素伝搬を行う。
そして、相関地図から抽出した正確なクラス非依存マスクを用いて、領域伝搬を行い、擬似ラベルを強化する。
論文 参考訳(メタデータ) (2023-06-07T10:02:29Z) - Unified Mask Embedding and Correspondence Learning for Self-Supervised
Video Segmentation [76.40565872257709]
我々は、局所的な識別的特徴学習のためのフレーム間密度対応を同時にモデル化する統合フレームワークを開発する。
ラベルなしビデオから直接マスク誘導シーケンシャルセグメンテーションを実行することができる。
我々のアルゴリズムは、2つの標準ベンチマーク(DAVIS17とYouTube-VOS)に最先端をセットする。
論文 参考訳(メタデータ) (2023-03-17T16:23:36Z) - Language-driven Semantic Segmentation [88.21498323896475]
本稿では,言語駆動型セマンティックイメージセグメンテーションの新しいモデルLSegを提案する。
テキストエンコーダを用いて記述型入力ラベルの埋め込みを計算する。
エンコーダは、画素埋め込みを対応するセマンティッククラスのテキスト埋め込みに合わせるために、対照的な目的で訓練される。
論文 参考訳(メタデータ) (2022-01-10T18:59:10Z) - Image-free single-pixel segmentation [3.3808025405314086]
本稿では,画像のない単一画素分割技術について報告する。
この技術は、構造的照明と単画素検出を組み合わせることで、シーンのセグメンテーション情報を効率的にサンプリングし、多重化する。
この画像自由分割技術は、UAVや無人車両など、様々なリソース制限されたプラットフォームに広く応用できると期待する。
論文 参考訳(メタデータ) (2021-08-24T10:06:53Z) - RANSAC-Flow: generic two-stage image alignment [53.11926395028508]
単純な教師なしのアプローチは、様々なタスクにおいて驚くほどうまく機能することを示す。
その単純さにもかかわらず、我々の手法は様々なタスクやデータセットで競合する結果を示す。
論文 参考訳(メタデータ) (2020-04-03T12:37:58Z) - Weakly-Supervised Semantic Segmentation by Iterative Affinity Learning [86.45526827323954]
弱教師付きセマンティックセグメンテーションは、トレーニングのためにピクセル単位のラベル情報が提供されないため、難しい課題である。
このようなペア関係を学習するための反復アルゴリズムを提案する。
本稿では,提案アルゴリズムが最先端手法に対して好適に動作することを示す。
論文 参考訳(メタデータ) (2020-02-19T10:32:03Z) - Simple Interactive Image Segmentation using Label Propagation through
kNN graphs [0.0]
本稿では,非指向性と非重み付きkNNグラフを用いたSSLグラフに基づく対話型画像分割手法を提案する。
他の多くの技術よりもシンプルであるが、画像分割タスクの分類精度は依然として達成されている。
論文 参考訳(メタデータ) (2020-02-13T18:50:21Z) - The Semantic Mutex Watershed for Efficient Bottom-Up Semantic Instance
Segmentation [15.768804877756384]
本稿では,共同グラフ分割とラベリングのためのグリーディアルゴリズムを提案する。
アルゴリズムの効率のため、イメージをスーパーピクセルにオーバーセグメンテーションすることなく、直接ピクセル上で操作することができる。
論文 参考訳(メタデータ) (2019-12-29T19:48:39Z)
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。