分布外データを使用した弱教師付きセマンティックセグメンテーション【JST・京大機械翻訳】

Lee Jungbeom; Oh Seong Joon; Yun Sangdoo; Choe Junsuk; Kim Eunji; Yoon Sungroh

プレプリント

J-GLOBAL ID：202202202832664274 整理番号：22P0300510

分布外データを使用した弱教師付きセマンティックセグメンテーション【JST・京大機械翻訳】

Weakly Supervised Semantic Segmentation using Out-of-Distribution Data

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (6件)： , , , , ,
資料名：
発行年： 2022年03月08日プレプリントサーバーでの情報更新日： 2022年03月08日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

弱い教師つき意味セグメンテーション(WSSS)法は,分類器から得られたピクセルレベル位置決めマップ上にしばしば構築される。しかし,クラスラベルのみの訓練では,分類器は前景と背景キュー(例えば,列車とレール)の間の偽相関に悩まされ,基本的にWSSSの性能に結合している。追加監視でこの問題に取り組むための以前の努力があった。著者らは,背景から前景を識別するための情報の新しい情報源,すなわち,属性外(OoD)データ,または前景オブジェクトクラスを欠いている画像を提案する。特に,分類器が偽陽性予測を行う可能性が高いハードOoDを利用した。これらの標本は,通常,分類器が前景(例えば列車)として混乱するという背景(例えばレール)に関する重要な視覚特徴を持ち,従って,これらの手がかりは,偽のバックグラウンド手がかりを正しく抑制する。そのようなハードOoDの獲得は,大量の注釈努力を必要としない。それは,クラスラベルを収集するために,オリジナルな努力のトップに関して,わずかな付加的画像レベルラベリングコストしか発生しなかった。ハードOoDを利用するためのW-OoD法を提案した。W-OoDは,Pascal VOC 2012で最先端の性能を達成する。【JST・京大機械翻訳】

, , , , , , , ,
, , , , , 【Automatic Indexing@JST】

パターン認識 , 図形・画像処理一般

, ,

前のページに戻る