異常セグメンテーションのためのプロトタイプ誘導ネットワーク【JST・京大機械翻訳】

Hao Yiqing; Jin Yi; An Gaoyun

プレプリント

J-GLOBAL ID：202202208915234415 整理番号：22P0275029

異常セグメンテーションのためのプロトタイプ誘導ネットワーク【JST・京大機械翻訳】

Prototype Guided Network for Anomaly Segmentation

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 (3件)： , ,
資料名：
発行年： 2022年01月15日プレプリントサーバーでの情報更新日： 2022年03月15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)

セマンティックセグメンテーション法は,画像における異常オブジェクトを直接同定できない。この現実的な設定からの異常セグメンテーションアルゴリズムは,分布内オブジェクトとOf-Dis属性(OOD)オブジェクトを区別でき,ピクセルに対する異常確率を出力する。本論文では,限られた注釈付き画像からの配信訓練データのためのセマンティックプロトタイプを抽出するために,プロトタイプ誘導異常セグメンテーションネットワーク(PGAN)を提案した。このモデルでは,プロトタイプを用いて階層的カテゴリ意味情報をモデル化し,OODピクセルを識別する。提案したPGANモデルはセマンティックセグメンテーションネットワークとプロトタイプ抽出ネットワークを含む。類似性測度を採用してプロトタイプを最適化した。学習した意味プロトタイプをカテゴリ意味論として用いて,試験画像から抽出した特徴との類似性を比較し,次に意味セグメンテーション予測を生成した。また,提案したプロトタイプ抽出ネットワークを,ほとんどの意味セグメンテーションネットワークに統合でき,OOD画素を認識することができた。StreetHazardsデータセット上で,提案したPGANモデルは異常セグメンテーションに対して53.4%のmIoUを生成した。実験結果は,PGANが異常セグメンテーションタスクにおいてSOTA性能を達成することを示した。【JST・京大機械翻訳】

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

図形・画像処理一般 , パターン認識

, ,

前のページに戻る