PNM:一般的画像セグメンテーションのためのピクセルヌルモデル【JST・京大機械翻訳】

Zhang Han; Zhang Zihao; Zheng Wenhao; Xu Wei

プレプリント

J-GLOBAL ID：202202219746063349 整理番号：22P0303327

PNM:一般的画像セグメンテーションのためのピクセルヌルモデル【JST・京大機械翻訳】

PNM: Pixel Null Model for General Image 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 (4件)： , , ,
資料名：
発行年： 2022年03月13日プレプリントサーバーでの情報更新日： 2022年03月13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)

画像セグメンテーションにおける主要な課題は,オブジェクト境界を分類することである。最近の努力は,境界マスクによるセグメンテーション結果の精密化を提案する。しかし,モデルはオブジェクト輪郭を正しく捉える場合でも境界画素を誤分類する傾向がある。そのような場合,完全な境界マップでさえ,セグメンテーション精密化のためには役立たない。本論文では,オブジェクト境界のような誤り傾向画素に適切な事前重みを割り当てることにより,セグメンテーション品質を大幅に改善できることを論じた。具体的には,ランダム分割器により正しく分類された確率に従って各画素を重みする事前モデルである画素ヌルモデル(PNM)を提示した。経験的解析は,PNMが種々の最先端(SOTA)セグメントの誤分類分布を捕捉することを示した。3つのデータセット(Cityscopes,ADE20K,MS COCO)上の意味的,インスタンス,およびパノ光学的セグメンテーションタスクに関する大規模な実験は,PNMが大部分のSOTA法(ビジョン変圧器を含む)のセグメンテーション品質を一貫して改善し,大きなマージンによって境界ベースの方法より優れていることを確認した。また,広く使われている平均IoU(mIoU)メトリックは,異なる鋭さの境界に鈍感であることも観察した。副産物として,境界鮮鋭度を知覚し,誤り傾向領域におけるモデルセグメンテーション性能をよりよく反映する新しいメトリック,PNM IoUを提案した。【JST・京大機械翻訳】

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

パターン認識 , 医用画像処理

, , ,

前のページに戻る