論文の概要: SIESEF-FusionNet: Spatial Inter-correlation Enhancement and Spatially-Embedded Feature Fusion Network for LiDAR Point Cloud Semantic Segmentation

• arxiv url: http://arxiv.org/abs/2411.06991v1
• Date: Mon, 11 Nov 2024 13:49:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-12 14:09:04.812743
• Title: SIESEF-FusionNet: Spatial Inter-correlation Enhancement and Spatially-Embedded Feature Fusion Network for LiDAR Point Cloud Semantic Segmentation
• Title（参考訳）: SIESEF-FusionNet:LiDARポイントクラウドセマンティックセマンティックセグメンテーションのための空間相関強化と空間埋め込み機能融合ネットワーク
• Authors: Jiale Chen, Fei Xia, Jianliang Mao, Haoping Wang, Chuanlin Zhang,
• Abstract要約: 本稿では,新しい空間相関強化と空間埋め込み型特徴核融合ネットワーク(SIESEF-FusionNet)を提案する。 新しい空間適応型プーリングモジュールも設計され、拡張された空間情報をセマンティックな特徴に埋め込む。 結果は、トロント3Dデータセット上でSIESEF-FusionNetによって83.7% mIoUと97.8% OAが達成され、他のベースライン手法よりも性能が優れていることを示した。
• 参考スコア（独自算出の注目度）: 18.665153113492625
• License:
• Abstract: The ambiguity at the boundaries of different semantic classes in point cloud semantic segmentation often leads to incorrect decisions in intelligent perception systems, such as autonomous driving. Hence, accurate delineation of the boundaries is crucial for improving safety in autonomous driving. A novel spatial inter-correlation enhancement and spatially-embedded feature fusion network (SIESEF-FusionNet) is proposed in this paper, enhancing spatial inter-correlation by combining inverse distance weighting and angular compensation to extract more beneficial spatial information without causing redundancy. Meanwhile, a new spatial adaptive pooling module is also designed, embedding enhanced spatial information into semantic features for strengthening the context-awareness of semantic features. Experimental results demonstrate that 83.7% mIoU and 97.8% OA are achieved by SIESEF-FusionNet on the Toronto3D dataset, with performance superior to other baseline methods. A value of 61.1% mIoU is reached on the semanticKITTI dataset, where a marked improvement in segmentation performance is observed. In addition, the effectiveness and plug-and-play capability of the proposed modules are further verified through ablation studies.
• Abstract（参考訳）: ポイントクラウドセマンティックセグメンテーションにおける異なるセマンティッククラスの境界における曖昧さは、自律運転のようなインテリジェントな認識システムにおける誤った決定につながることが多い。 したがって、自律運転の安全性を向上させるためには、境界線を正確に記述することが不可欠である。 本稿では,逆距離重み付けと角補償を組み合わせることで空間的相互相関性を高め,冗長性を生じさせることなくより有用な空間情報を抽出することで空間的相互相関性を高めた空間的相互相関性ネットワーク(SIESEF-FusionNet)を提案する。 また,新たに空間適応型プールモジュールを設計し,意味的特徴の文脈認識性を高めるために,拡張された空間情報を意味的特徴に組み込む。 実験の結果、83.7% mIoUと97.8% OAは、トロント3Dデータセット上のSIESEF-FusionNetによって達成され、他のベースライン法よりも性能が優れていることが示された。 セグメンテーション性能が著しく向上したセマンティックKITTIデータセット上で61.1% mIoUの値に達する。 さらに, アブレーション実験により, 提案モジュールの有効性とプラグ・アンド・プレイ性について検証した。

関連論文リスト

• FANet: Feature Amplification Network for Semantic Segmentation in Cluttered Background [9.970265640589966]
  既存のディープラーニングアプローチでは、複雑なシナリオに存在するセマンティックセグメンテーションにおいて重要なセマンティックな方法が残されている。 マルチステージ機能拡張モジュールを用いて意味情報を組み込んだバックボーンネットワークとして機能増幅ネットワーク(FANet)を提案する。 実験の結果,既存の手法と比較して最先端の性能が示された。
  論文  参考訳（メタデータ） (2024-07-12T15:57:52Z)
• Learning Spatial-Semantic Features for Robust Video Object Segmentation [108.045326229865]
  空間意味的特徴と識別的オブジェクトクエリを備えたロバストなビデオオブジェクトセグメンテーションフレームワークを提案する。 提案手法は,複数のデータセットに対して新しい最先端性能を設定できることを示す。
  論文  参考訳（メタデータ） (2024-07-10T15:36:00Z)
• SERNet-Former: Semantic Segmentation by Efficient Residual Network with Attention-Boosting Gates and Attention-Fusion Networks [0.0]
  本研究では,一意に効率的な残差ネットワークであるEfficient-ResNetを用いたエンコーダデコーダアーキテクチャを提案する。 アテンションブーティングゲート(AbG)とアテンションブーイングモジュール(AbM)は、グローバルコンテキストの出力の等価サイズで同変および特徴に基づく意味情報を融合することを目的として展開される。 我々のネットワークは、挑戦的なCamVidとCityscapesのデータセットでテストされており、提案手法により、残余ネットワークに対する大幅な改善が示されている。
  論文  参考訳（メタデータ） (2024-01-28T19:58:19Z)
• Dual Attention U-Net with Feature Infusion: Pushing the Boundaries of Multiclass Defect Segmentation [1.487252325779766]
  提案アーキテクチャであるDual Attentive U-Net with Feature Infusion (DAU-FI Net)はセマンティックセグメンテーションにおける課題に対処する。 DAU-FI Netは、複数スケールの空間チャネルアテンション機構と特徴注入を統合し、オブジェクトのローカライゼーションの精度を高める。 挑戦的な下水道管と、欠陥データセットと、DAU-FI Netの能力を検証したベンチマークデータセットに関する総合的な実験。
  論文  参考訳（メタデータ） (2023-12-21T17:23:49Z)
• Salient Object Detection in Optical Remote Sensing Images Driven by Transformer [69.22039680783124]
  光リモートセンシング画像(ORSI-SOD)のためのGlobal extract Local Exploration Network(GeleNet)を提案する。 具体的には、GeleNetはまずトランスフォーマーバックボーンを採用し、グローバルな長距離依存関係を持つ4レベルの機能埋め込みを生成する。 3つの公開データセットに関する大規模な実験は、提案されたGeleNetが関連する最先端メソッドより優れていることを示している。
  論文  参考訳（メタデータ） (2023-09-15T07:14:43Z)
• Unsupervised Domain Adaptation via Style-Aware Self-intermediate Domain [52.783709712318405]
  非教師なしドメイン適応(UDA)は、ラベル豊富なソースドメインから関連するがラベルのないターゲットドメインに知識を伝達する、かなりの注目を集めている。 本研究では,大規模なドメインギャップと伝達知識を橋渡しし,クラス非ネイティブ情報の損失を軽減するために,SAFF(style-aware feature fusion)法を提案する。
  論文  参考訳（メタデータ） (2022-09-05T10:06:03Z)
• Beyond single receptive field: A receptive field fusion-and-stratification network for airborne laser scanning point cloud classification [14.706139194001773]
  新たな受容場融合・成層ネットワーク(RFFS-Net)を提案する。 RFFS-Netは、大規模ALS点雲における複雑な構造と極端なスケールの変動を持つ領域の分類に適応可能である。 LASDUデータセットと2019年のIEEE-GRSS Data Fusion Contestデータセットの実験は、RFFS-Netが新しい最先端の分類性能を達成することを示している。
  論文  参考訳（メタデータ） (2022-07-21T03:10:35Z)
• An Attention-Fused Network for Semantic Segmentation of Very-High-Resolution Remote Sensing Imagery [26.362854938949923]
  注目融合ネットワーク(AFNet)という,新しい畳み込みニューラルネットワークアーキテクチャを提案する。 ISPRS Vaihingen 2DデータセットとISPRS Potsdam 2Dデータセットで、総精度91.7%、平均F1スコア90.96%の最先端のパフォーマンスを実現します。
  論文  参考訳（メタデータ） (2021-05-10T06:23:27Z)
• ePointDA: An End-to-End Simulation-to-Real Domain Adaptation Framework for LiDAR Point Cloud Segmentation [111.56730703473411]
  LiDARデータ上でディープニューラルネットワーク(DNN)をトレーニングするには、大規模なポイントワイドアノテーションが必要である。 シミュレーション・トゥ・リアル・ドメイン適応(SRDA)は、DNNを無制限の合成データと自動生成されたラベルで訓練する。 ePointDAは、自己教師付きドロップアウトノイズレンダリング、統計不変および空間適応型特徴アライメント、転送可能なセグメンテーション学習の3つのモジュールで構成されている。
  論文  参考訳（メタデータ） (2020-09-07T23:46:08Z)
• Learning to Predict Context-adaptive Convolution for Semantic Segmentation [66.27139797427147]
  長距離コンテキスト情報は、高性能なセマンティックセグメンテーションを実現するために不可欠である。 空間的に変化する特徴重み付けベクトルを予測するためのコンテキスト適応畳み込みネットワーク(CaC-Net)を提案する。 当社のCaC-Netは,3つの公開データセット上でのセグメンテーション性能に優れています。
  論文  参考訳（メタデータ） (2020-04-17T13:09:17Z)
• Global Context-Aware Progressive Aggregation Network for Salient Object Detection [117.943116761278]
  我々は,低レベルな外観特徴,高レベルな意味特徴,グローバルな文脈特徴を統合化するための新しいネットワークGCPANetを提案する。 提案手法は, 定量的かつ定性的に, 最先端の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） (2020-03-02T04:26:10Z)

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。