DeepGBASS: Derin Kılavuzlu Sınır Duyarlı Semantik Segmentasyon

Görüntü semantik segmentasyonu, AI Kamera gibi yüksek doğruluk ve verimlilik gerektiren sahne anlama uygulamalarında her yerde kullanılır. Derin öğrenme, semantik bölümlemedeki son teknolojiyi önemli ölçüde geliştirmiştir. Bununla birlikte, son zamanlardaki anlamsal bölümleme çalışmalarının birçoğu yalnızca sınıf doğruluğunu dikkate almakta ve anlamsal sınıflar arasındaki sınırlardaki doğrulukları göz ardı etmektedir. Anlamsal sınır doğruluğunu geliştirmek için, yeni bir Anlamsal Sınır Farkında Öğrenme (SBAL) stratejisiyle eğitilmiş, düşük karmaşıklığa sahip Derin Kılavuzlu Kod Çözücü (DGD) ağları öneriyoruz. Şehir Manzaraları ve ADE20K-32 üzerindeki ablasyon çalışmalarımız, farklı karmaşıklıktaki ağlarla yaklaşımımızın etkinliğini doğrulamaktadır. MobileNetEdgeTPU DeepLab'ı ADE11K-1 veri kümesinde eğitirken DeepGBASS yaklaşımımızın mIoU'yu %39.4'e kadar göreceli kazançla ve ortalama sınır F20 skorunu (mBF) %32'e kadar önemli ölçüde iyileştirdiğini gösterdik.

Yazarlar: Qingfeng Liu, Hai Su, Mostafa El-Khamy, Kee-Bong Song, SOC Multimedia R&D, Samsung Semiconductor, Inc., ABD'den

Yayınlandığı: ICASSP 2022 – 2022 IEEE Uluslararası Akustik, Konuşma ve Sinyal İşleme Konferansı (ICASSP)

DOI: 10.1109/ICASSP43922.2022.9747892

Tıkla okuyun daha fazla okumak için.