コントラストマスク:全てのThingを分割するためのコントラスト学習【JST・京大機械翻訳】

Wang Xuehui; Zhao Kai; Zhang Ruixin; Ding Shouhong; Wang Yan; Shen Wei

プレプリント

J-GLOBAL ID：202202217239178336 整理番号：22P0306425

コントラストマスク:全てのThingを分割するためのコントラスト学習【JST・京大機械翻訳】

ContrastMask: Contrastive Learning to Segment Every Thing

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18日プレプリントサーバーでの情報更新日： 2022年03月24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)

部分監督されたインスタンスセグメンテーションは,注釈付きマスクによる限られた見えるカテゴリーの学習を介して,新しい非意味カテゴリからセグメンテーションオブジェクトを要求するタスクであり,従って,重い注釈負荷の需要を除去する。このタスクに対処する鍵は,効果的なクラス診断マスクセグメンテーションモデルを構築することである。本論文では,このようなモデルのみを学習したカテゴリー上で学習する以前の方法とは異なり,ここでは,統一ピクセルレベルコントラスト学習フレームワークの下で,見えないカテゴリーと見えないカテゴリーの両者でマスクセグメンテーションモデルを学習する,コントラストMaskと名付けた新しい方法を提案した。このフレームワークでは,マスク領域(地上)からの特徴が一緒に引き出され,背景からのものに対して対比され,また,その逆のコントラスト学習の事前として,見えるカテゴリーの注釈付きマスクと偽マスクの偽マスクが機能した。このフレームワークを通して,前景と背景の間の特徴識別を大きく改善し,クラス診断マスクセグメンテーションモデルの学習を容易にした。COCOデータセットに関する徹底的な実験は,著者らの方法の優位性を実証して,それは以前の最先端技術を凌駕した。【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