GOSS:一般化オープンセットセマンティックセグメンテーションに向けて【JST・京大機械翻訳】

Hong Jie; Li Weihao; Han Junlin; Zheng Jiyang; Fang Pengfei; Harandi Mehrtash; Petersson Lars

プレプリント

J-GLOBAL ID：202202218903402016 整理番号：22P0308766

GOSS:一般化オープンセットセマンティックセグメンテーションに向けて【JST・京大機械翻訳】

GOSS: Towards Generalized Open-set Semantic 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 (7件)： , , , , , ,
資料名：
発行年： 2022年03月22日プレプリントサーバーでの情報更新日： 2022年03月22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)

本論文では,一般化オープンセットセマンティックセグメンテーション(GOSS)と呼ばれる新しい画像セグメンテーションタスクを提案し,研究した。以前に,よく知られたオープンセット意味セグメンテーション(OSS)によって,インテリジェントエージェントは,環境の認識を制限する更なる処理なしで未知領域を検出するだけであった。検出された未知のピクセルのさらなる分析は有益であるという理由である。したがって,著者らは,全体的方法で,2つの明確なセグメンテーションタスク,OSSと一般的セグメンテーション(GS)の能力を統一するGOSSを提案する。特に,GOSSは既知のクラスに属する画素を分類し,未知クラスのピクセルのクラスタ(またはグループ)をそのようなようにラベル付けした。この新しい拡張タスクを評価するために,画素分類とクラスタリング側面のバランスをとるメトリックを提案した。さらに,既存のデータセットのトップに関するベンチマークテストを構築し,ベースラインとして簡単なニューラルアーキテクチャを提案し,オープンセット設定の下でピクセル分類とクラスタリングを共同で予測した。多重ベンチマークに関する著者らの実験は,著者らのベースラインの有効性を実証した。この新しいGOSSタスクは将来の研究のための表現的画像理解を生産できると信じる。コードは利用可能である。【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