DeepGBASS: פילוח סמנטי מונחה גבולות

פילוח סמנטי של תמונה נמצא בשימוש בכל מקום ביישומי הבנת סצינות, כגון AI Camera, הדורשים דיוק ויעילות גבוהים. למידה עמוקה קידמה באופן משמעותי את המצב החדיש בתחום הפילוח הסמנטי. עם זאת, רבות מעבודות הפילוח הסמנטי האחרונות מתייחסות רק לדיוק המחלקה ומתעלמות מהדיוקים בגבולות בין מחלקות סמנטיות. כדי לשפר את דיוק הגבול הסמנטי, אנו מציעים רשתות מפענח עמוק מודרך (DGD) במורכבות נמוכה, שהוכשרו עם אסטרטגיה חדשה של למידה סמנטית-מודעת לגבולות (SBAL). מחקרי האבלציה שלנו על נופי עיר ו-ADE20K-32 מאשרים את היעילות של הגישה שלנו עם רשת של מורכבויות שונות. אנו מראים שגישת ה-DeepGBASS שלנו משפרת באופן משמעותי את ה-mIoU בעד 11% רווח יחסי ואת ציון ה-F1 הממוצע (mBF) של עד 39.4% בעת אימון MobileNetEdgeTPU DeepLab על מערך נתונים ADE20K-32.

מחברים: Qingfeng Liu, Hai Su, Mostafa El-Khamy, Kee-Bong Song, מ-SOC Multimedia R&D, Samsung Semiconductor, Inc., ארה"ב

פורסם ב: ICASSP 2022 - 2022 IEEE International Conference בנושא אקוסטיקה, דיבור ועיבוד אותות (ICASSP)

DOI: 10.1109/ICASSP43922.2022.9747892

נְקִישָׁה כאן כדי לקרוא עוד.