DeepGBASS: 深いガイド付き境界認識セマンティック セグメンテーション

画像セマンティック セグメンテーションは、高い精度と効率を必要とする AI カメラなどのシーン理解アプリケーションで広く使用されています。 ディープ ラーニングは、セマンティック セグメンテーションの最先端技術を大幅に進歩させました。 ただし、最近のセマンティック セグメンテーション作業の多くは、クラスの精度のみを考慮し、セマンティック クラス間の境界での精度を無視しています。 セマンティック境界の精度を向上させるために、新しいセマンティック境界認識学習 (SBAL) 戦略でトレーニングされた、低複雑度の Deep Guided Decoder (DGD) ネットワークを提案します。 Cityscapes と ADE20K-32 に関するアブレーション研究により、さまざまな複雑さのネットワークを使用したアプローチの有効性が確認されました。 ADE11K-1 データセットで MobileNetEdgeTPU DeepLab をトレーニングすると、DeepGBASS アプローチが mIoU を最大 39.4% 相対ゲイン、平均境界 F20 スコア (mBF) を最大 32% 大幅に改善することを示します。

著者： Qingfeng Liu、Hai Su、Mostafa El-Khamy、Kee-Bong Song、SOC Multimedia R&D、Samsung Semiconductor, Inc.、米国

に発表されました： ICASSP 2022 – 2022 音響、音声、信号処理に関する IEEE 国際会議 (ICASSP)

DOI： 10.1109/ICASP43922.2022.9747892

クリック こちら もっと読む。