검색 기능은 준비 중입니다.
검색 기능은 준비 중입니다.

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. ex. Some numerals are expressed as "XNUMX".
Copyrights notice

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. Copyrights notice

Instance Segmentation by Semi-Supervised Learning and Image Synthesis 준지도 학습 및 이미지 합성을 통한 인스턴스 분할

Takeru OBA, Norimichi UKITA

  • 조회수

    0

  • 이것을 인용

요약 :

본 논문에서는 준지도 방식으로 인스턴스 분할을 위한 다양한 훈련 영상을 생성하는 방법을 제안합니다. 제안된 학습 방식에서는 대상 객체의 몇 가지 3D CG 모델과 인터넷에서 키워드로 검색된 다수의 이미지가 각각 초기 모델 훈련 및 모델 업데이트에 사용됩니다. 인스턴스 분할에는 모든 훈련 이미지에 픽셀 수준 주석과 객체 클래스 레이블이 필요합니다. 막대한 주석 비용을 줄이는 가능한 솔루션은 합성 이미지를 교육 이미지로 사용하는 것입니다. 3D CG 시뮬레이터를 이용한 영상 합성은 주석을 자동으로 생성할 수 있지만 시뮬레이터를 위한 다양한 3D 객체 모델을 준비하는 것은 어렵습니다. 또 다른 가능한 해결책은 준지도 학습(semi-supervised learning)입니다. 자가 학습과 같은 준지도 학습은 소규모 지도 데이터 세트와 엄청난 수의 비지도 데이터를 사용합니다. 감독된 이미지는 우리 방법의 3D CG 시뮬레이터에 의해 제공됩니다. 감독되지 않은 이미지에서 올바르게 감지된 주석만 선택해야 합니다. 올바르게 감지된 주석을 선택하기 위해 우리는 실루엣과 질감을 기반으로 감지된 각 주석의 신뢰성을 정량화할 것을 제안합니다. 실험 결과는 제안한 방법이 인스턴스 분할을 개선하기 위해 보다 다양한 이미지를 생성할 수 있음을 보여줍니다.

발행
IEICE TRANSACTIONS on Information Vol.E103-D No.6 pp.1247-1256
발행일
2020/06/01
공개일
2020/03/18
온라인 ISSN
1745-1361
DOI
10.1587/transinf.2019MVP0016
원고의 종류
Special Section PAPER (Special Section on Machine Vision and its Applications)
범주

작성자

Takeru OBA
  Toyota Technological Institute
Norimichi UKITA
  Toyota Technological Institute

키워드