近傍情報を取り入れたインスタンスセグメンテーションの精細化について

カテゴリ: 研究会(論文単位)

論文No: PI23041,IIS23046

グループ名: 【C】電子・情報・システム部門 知覚情報/【D】産業応用部門 次世代産業システム合同研究会

発行日: 2023/08/18

タイトル(英語): Refinements of Instance Segmentation with Neighborhood Information

著者名: 内之浦 伸治(広島大学),栗田 多喜夫(広島大学)

著者名(英語): Shinji Uchinoura(Hiroshima University),Takio Kurita(Hiroshima University)

キーワード: 深層学習|画像処理|インスタンスセグメンテーション|正則化|Deep Learning|Computer Vision|instance segmentation|Reguralization

要約(日本語): コンピュータビジョンにおけるインスタンスセグメンテーションタスクにおいて、インスタンス境界のマスクがぼやける問題が発生している。我々はこの問題が、隣接画素間の関係に含まれる空間構造がモデルにうまく取り込まれていないことに起因すると考える。そこで、インスタンスセグメンテーションに対し、シンプルで効果的な正則化手法であるGLRDN-L2 (Graph Laplacian Regularization based on Di?erences of Neighboring Pixels)を提案し、様々なデータセットで有効性を実証する。

要約(英語): It is not so easy to estimate correct boundaries in instance segmentation, which is one of the tasks in computer vision. This issue is due to the inadequate incorporation of spatial structures between adjacent pixels in the model. Therefore, we propose GLRDN-L2 (Graph Laplacian Regularization based on Differences of Neighboring Pixels) as a simple and effective regularization method for instance segmentation, and demonstrate its effectiveness on various datasets.

本誌: 2023年8月21日知覚情報/次世代産業システム合同研究会

本誌掲載ページ: 1-6 p

原稿種別: 日本語

PDFファイルサイズ: 1,204 Kバイト