論文の概要: Towards Effective Waste Segmentation for Automated Waste Recycling in Cluttered Background
- arxiv url: http://arxiv.org/abs/2606.13587v1
- Date: Thu, 11 Jun 2026 17:11:04 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-12 15:55:27.939124
- Title: Towards Effective Waste Segmentation for Automated Waste Recycling in Cluttered Background
- Title（参考訳）: 汚泥処理環境における廃棄物自動リサイクルの有効分別化に向けて
- Authors: Mamoona Javaid, Mubashir Noman, Abdul Hannan, Shah Nawaz, Mustansar Fiaz, Sajid Ghuffar,
- Abstract要約: 都市部の急速な拡大と人口増加は廃棄物生産を著しく増加させている。
深層学習手法を用いた自動廃棄物リサイクル(AWR)は, 最適な廃棄物処理を支援する。
AWRの最近のディープラーニングアプローチは、有望な廃棄物セグメンテーション性能を提供する。
これらの手法は、AWRシステムに非効率で、散らばったシーンの性能劣化に悩まされる大規模なバックボーンネットワークに依存している。
空間領域を有効利用して局所的な構造的依存関係とスペクトル領域を捕捉し,グローバルな文脈関係を効率的に抽出する最適廃棄物分断ネットワークを導入する。
- 参考スコア（独自算出の注目度）: 4.675665953749621
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Rapid expansion of urban areas and population growth is causing an immense increase in waste production, which demands the need for efficient and automated waste management. In this scenario, automated waste recycling (AWR) using deep learning methods can assist humans in optimal waste management. Recent deep learning approaches for AWR provide promising waste segmentation performance, however, these methods rely on large backbone networks that are inefficient for AWR systems and suffer from performance deterioration in cluttered scenes. To this end, an optimal waste segmentation network is introduced which effectively utilizes the spatial domain to capture localized structural dependencies and the spectral domain to efficiently extract global contextual relationships. This cascaded design allows the network to progressively leverage both local and global representations across complementary domains to highlight the semantic information necessary for effective segmentation of various waste objects. Furthermore, auxiliary feature enhancement module (AFEM) is introduced to enhance the target objects' boundaries and blob amplification for better segmentation in cluttered scenarios. Extensive experimentation on ZeroWaste-aug, ZeroWaste-f and SpectralWaste datasets reveals the merits of the proposed method.
- Abstract（参考訳）: 都市部の急速な拡大と人口増加は廃棄物生産を著しく増加させ、効率的かつ自動化された廃棄物管理を必要としている。
このシナリオでは、ディープラーニングを用いた自動廃棄物リサイクル(AWR)は、最適な廃棄物処理を支援することができる。
近年のAWRの深層学習手法は, 廃棄物セグメンテーション性能が期待できるが, これらの手法は, AWRシステムでは効率が悪く, 散在するシーンの性能劣化に悩まされている大きなバックボーンネットワークに依存している。
この目的のために、空間領域を効果的に利用し、局所的な構造的依存関係とスペクトル領域を捕捉し、グローバルな文脈的関係を効率的に抽出する最適廃棄物分割網を導入する。
このカスケード設計により、ネットワークは、様々な廃棄物の効果的セグメンテーションに必要な意味情報を強調するために、補完的なドメイン間の局所的およびグローバルな表現を段階的に活用することができる。
さらに、ターゲットオブジェクトの境界を拡大し、乱雑なシナリオにおいてより良いセグメンテーションのためのブロブ増幅のために補助機能拡張モジュール(AFEM)が導入された。
ZeroWaste-aug、ZeroWaste-f、SpectralWasteデータセットの大規模な実験により、提案手法の利点が明らかにされた。
関連論文リスト
- An Ensemble Learning Approach towards Waste Segmentation in Cluttered Environment [2.723394443506285]
本研究は, 廃棄物の分離, 再資源化プロセスにおける重要なステップである廃棄物の分離に焦点をあてる。
コンピュータビジョンの最近の進歩は、廃棄物の分類と認識に大きく貢献している。
廃棄物分離では, ロボットがコンベアベルトの物体を正確に位置決めし, 選別するために, セグメンテーションマスクが不可欠である。
論文 参考訳（メタデータ） (2026-02-14T09:07:00Z) - HybridSOMSpikeNet: A Deep Model with Differentiable Soft Self-Organizing Maps and Spiking Dynamics for Waste Classification [0.7734726150561086]
リサイクル可能な材料のミスクラス化は、埋立地の蓄積、非効率なリサイクル、温室効果ガスの排出の増加に寄与する。
本研究では、畳み込み特徴抽出、微分可能な自己組織化、スパイキングにインスパイアされた時間処理を統合したハイブリッドディープラーニングフレームワークであるHybridSOMSpikeNetを紹介する。
論文 参考訳（メタデータ） (2025-10-23T15:47:09Z) - An improved EfficientNetV2 for garbage classification [0.27309692684728615]
本稿では,データ取得コスト,一般化,リアルタイムパフォーマンスの課題に対処するため,EfficientNetV2に基づく廃棄物分類フレームワークを提案する。
Huawei Cloudの廃棄物分類データセットの実験では、本手法は95.4%の分類精度を達成し、ベースラインを3.2%上回り、主流モデルを上回っている。
論文 参考訳（メタデータ） (2025-03-27T06:50:44Z) - 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) - 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) - Iterative Soft Shrinkage Learning for Efficient Image Super-Resolution [91.3781512926942]
画像超解像(SR)は、CNNからトランスフォーマーアーキテクチャへの広範なニューラルネットワーク設計を目撃している。
本研究は,市販のネットワーク設計を生かし,基礎となる計算オーバーヘッドを低減するため,超高解像度イテレーションにおけるネットワークプルーニングの可能性について検討する。
本研究では, ランダムネットワークのスパース構造を最適化し, 重要でない重みを小さめに微調整することにより, 反復型軟収縮率(ISS-P)法を提案する。
論文 参考訳（メタデータ） (2023-03-16T21:06:13Z) - MADAv2: Advanced Multi-Anchor Based Active Domain Adaptation
Segmentation [98.09845149258972]
セマンティックセグメンテーションタスクに関するドメイン適応を支援するために,アクティブなサンプル選択を導入する。
これらのサンプルを手動でアノテートする作業量が少ないため、ターゲット領域分布の歪みを効果的に緩和することができる。
長期分布問題を緩和するために、強力な半教師付きドメイン適応戦略を提案する。
論文 参考訳（メタデータ） (2023-01-18T07:55:22Z) - 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) - Deep Residual Correction Network for Partial Domain Adaptation [79.27753273651747]
ディープドメイン適応法は、よくラベルされたソースドメインから異なるが関連する未ラベルのターゲットドメインへの転送可能な表現を学習することで、魅力的なパフォーマンスを実現している。
本稿では,効率よく実装された深部残留補正網を提案する。
部分的、伝統的、微粒なクロスドメイン認識に関する総合的な実験は、DRCNが競合深いドメイン適応アプローチよりも優れていることを示している。
論文 参考訳（メタデータ） (2020-04-10T06:07:16Z)
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。