論文の概要: COSNet: A Novel Semantic Segmentation Network using Enhanced Boundaries in Cluttered Scenes
- arxiv url: http://arxiv.org/abs/2410.24139v1
- Date: Thu, 31 Oct 2024 17:03:38 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-11-01 17:01:37.815195
- Title: COSNet: A Novel Semantic Segmentation Network using Enhanced Boundaries in Cluttered Scenes
- Title（参考訳）: COSNet: クラッタシーンにおける拡張境界を用いた新しいセマンティックセマンティックセグメンテーションネットワーク
- Authors: Muhammad Ali, Mamoona Javaid, Mubashir Noman, Mustansar Fiaz, Salman Khan,
- Abstract要約: COSNetと呼ばれる効果的セグメンテーションネットワークを導入し、境界キューと複数コンテキスト情報を用いて、散らばったシーンでオブジェクトを正確にセグメンテーションする。
我々のCOSNetは、mIoUメートル法でそれぞれZeroWaste-fで1.8%、SpectralWasteデータセットで2.1%の大幅な上昇を達成した。
- 参考スコア（独自算出の注目度）: 9.970265640589966
- License:
- Abstract: Automated waste recycling aims to efficiently separate the recyclable objects from the waste by employing vision-based systems. However, the presence of varying shaped objects having different material types makes it a challenging problem, especially in cluttered environments. Existing segmentation methods perform reasonably on many semantic segmentation datasets by employing multi-contextual representations, however, their performance is degraded when utilized for waste object segmentation in cluttered scenarios. In addition, plastic objects further increase the complexity of the problem due to their translucent nature. To address these limitations, we introduce an efficacious segmentation network, named COSNet, that uses boundary cues along with multi-contextual information to accurately segment the objects in cluttered scenes. COSNet introduces novel components including feature sharpening block (FSB) and boundary enhancement module (BEM) for enhancing the features and highlighting the boundary information of irregular waste objects in cluttered environment. Extensive experiments on three challenging datasets including ZeroWaste-f, SpectralWaste, and ADE20K demonstrate the effectiveness of the proposed method. Our COSNet achieves a significant gain of 1.8% on ZeroWaste-f and 2.1% on SpectralWaste datasets respectively in terms of mIoU metric.
- Abstract（参考訳）: 自動化された廃棄物リサイクルは, 視覚システムを用いてリサイクル可能な廃棄物を効率的に分離することを目的としている。
しかし, 材質の異なる様々な形状の物体の存在は, 特に散在する環境において問題となる。
既存のセグメンテーション手法は多くのセグメンテーションデータセット上でマルチコンテキスト表現を用いて合理的に機能するが、その性能は乱雑なシナリオで無駄なオブジェクトセグメンテーションに利用した場合に低下する。
さらに、プラスチックの物体は、その半透明な性質により、問題の複雑さをさらに高める。
これらの制約に対処するために,境界キューと複数コンテキスト情報を用いてオブジェクトを散らかしたシーンで正確に分割する,効率的セグメンテーションネットワークCOSNetを導入する。
COSNetは機能強化のための機能強化ブロック(FSB)とバウンダリ強化モジュール(BEM)を含む新しいコンポーネントを導入し、乱れた環境における不規則廃棄物の境界情報を強調している。
ZeroWaste-f、SpectralWaste、ADE20Kを含む3つの挑戦的データセットに対する大規模な実験は、提案手法の有効性を実証している。
我々のCOSNetは、mIoUメートル法でそれぞれZeroWaste-fで1.8%、SpectralWasteデータセットで2.1%の大幅な上昇を達成した。
関連論文リスト
- WasteGAN: Data Augmentation for Robotic Waste Sorting through Generative Adversarial Networks [7.775894876221921]
ムダGANと呼ばれる新しいGANアーキテクチャに基づくデータ拡張手法を提案する。
提案手法は,ラベル付きサンプルのごく限られたセットから,セマンティックセグメンテーションモデルの性能を向上させることができる。
次に、ムダGAN合成データに基づいて訓練されたモデルから予測される高品質なセグメンテーションマスクを活用し、セグメンテーション・アウェア・グルーピング・ポーズを計算する。
論文 参考訳（メタデータ） (2024-09-25T15:04:21Z) - SpectralWaste Dataset: Multimodal Data for Waste Sorting Automation [46.178512739789426]
本稿では, 廃棄物処理施設から収集した最初のデータセットであるSpectralWasteについて紹介する。
このデータセットには、分類植物によく見られるいくつかのカテゴリのオブジェクトのラベルが含まれている。
異なるオブジェクトセグメンテーションアーキテクチャを用いたパイプラインを提案し,その代替案をデータセット上で評価する。
論文 参考訳（メタデータ） (2024-03-26T18:39:38Z) - SAM-Assisted Remote Sensing Imagery Semantic Segmentation with Object
and Boundary Constraints [9.238103649037951]
本稿では,SAM生成オブジェクト(SGO)とSAM生成境界(SGB)という2つの新しい概念を活用することにより,SAMの生出力を活用するフレームワークを提案する。
本稿では,SGOのコンテンツ特性を考慮し,セマンティックな情報を持たないセグメンテーション領域を活用するために,オブジェクト整合性の概念を導入する。
境界損失は、モデルが対象の境界情報に注意を向けることによって、SGBの特徴的な特徴に重きを置いている。
論文 参考訳（メタデータ） (2023-12-05T03:33:47Z) - Resource Constrained Semantic Segmentation for Waste Sorting [0.0]
産業環境におけるリサイクル廃棄物の分別化のための資源制約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モデルを提案する。
ICNet, BiSeNet (Xception39 Backbone), ENet の3つのネットワークで実験を行った。
論文 参考訳（メタデータ） (2023-10-30T10:19:40Z) - SupeRGB-D: Zero-shot Instance Segmentation in Cluttered Indoor
Environments [67.34330257205525]
本研究では,RGB-Dデータからゼロショットのインスタンスセグメンテーション(ZSIS)を探索し,意味的カテゴリに依存しない方法で未知のオブジェクトを識別する。
本稿では,注釈付きオブジェクトを用いて画素のオブジェクト性」を学習し,乱雑な屋内環境における未知のオブジェクトカテゴリに一般化する手法を提案する。
論文 参考訳（メタデータ） (2022-12-22T17:59:48Z) - MetaGraspNet: A Large-Scale Benchmark Dataset for Scene-Aware
Ambidextrous Bin Picking via Physics-based Metaverse Synthesis [72.85526892440251]
本稿では,物理に基づくメタバース合成により構築した大規模写真リアリスティックビンピックデータセットであるMetaGraspNetを紹介する。
提案データセットは,82種類の記事に対して217kのRGBD画像を含み,オブジェクト検出,アモーダル認識,キーポイント検出,操作順序,および並列ジャウと真空グリップパー用のアンビデクストグリップラベルの完全なアノテーションを備える。
また,2.3k以上の完全アノテートされた高品質なRGBD画像からなる実際のデータセットを5段階の難易度と,異なるオブジェクトおよびレイアウト特性を評価するための見えないオブジェクトセットに分割する。
論文 参考訳（メタデータ） (2022-08-08T08:15:34Z) - High-resolution Iterative Feedback Network for Camouflaged Object
Detection [128.893782016078]
カモフラージュされたオブジェクトを背景に視覚的に同化させることは、オブジェクト検出アルゴリズムにとって難しい。
エッジやバウンダリのぼやけた視界を生じさせる細部劣化を避けるために,高分解能テクスチャの詳細を抽出することを目的としている。
我々は,高解像度特徴量による低解像度表現を反復的フィードバック方式で洗練する新しいHitNetを提案する。
論文 参考訳（メタデータ） (2022-03-22T11:20:21Z) - ZeroWaste Dataset: Towards Automated Waste Recycling [51.053682077915546]
産業レベルの廃棄物検出・分別データセットZeroWasteについて述べる。
このデータセットには、実際の廃棄物処理工場から収集された1800以上のビデオフレームが含まれている。
最先端のセグメンテーション手法では,対象物を正しく検出・分類することが困難であることを示す。
論文 参考訳（メタデータ） (2021-06-04T22:17:09Z) - Salient Objects in Clutter [130.63976772770368]
本稿では,既存の正当性オブジェクト検出(SOD)データセットの重大な設計バイアスを特定し,対処する。
この設計バイアスは、既存のデータセットで評価した場合、最先端のSODモデルのパフォーマンスの飽和につながった。
我々は,新しい高品質データセットを提案し,前回のsaliencyベンチマークを更新する。
論文 参考訳（メタデータ） (2021-05-07T03:49:26Z) - A Multi-Level Approach to Waste Object Segmentation [10.20384144853726]
カラー画像とオプションの深度画像から廃棄物を局所化する問題に対処する。
本手法は,複数の空間的粒度レベルでの強度と深度情報を統合する。
我々は, この領域における今後の研究を促進するために, 新たなRGBD廃棄物分節MJU-Wasteを作成している。
論文 参考訳（メタデータ） (2020-07-08T16:49:25Z)
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。