CASENet: l’apprentissage par machine pour décomposer un flux visuel en pièces identifiables

Le document de vision informatique de Mitsubishi Electric Research Labs (MERL) utilise l’apprentissage par machine pour décomposer un flux visuel en pièces identifiables: détection de bord sémantique profonde à la catégorie.

Les signaux de bord sont très bénéfiques pour améliorer une grande variété de tâches de vision telles que la segmentation sémantique, la reconnaissance d’objets, la stéréo et la génération de proposition d’objet.

Récemment, le problème de la détection des limites a été revisité et des progrès significatifs ont été réalisés avec un apprentissage approfondi. Bien que la détection de bord classique soit un problème binaire difficile en soi, la détection de bord sémantique à la catégorie par nature est un problème multi-label encore plus difficile. Le problème est modélisé de sorte que chaque pixel de bord peut être associé à plus d’une classe car ils apparaissent dans des contours ou des jonctions appartenant à deux ou plusieurs classes sémantiques.

À cette fin, voici une nouvelle architecture d’apprentissage de bord sémantique approfondie de bout en bout, basée sur ResNet et une nouvelle architecture de couche de défilement où les activations de bord de catégorie dans la couche de convolution supérieures sont partagées et fusionnées avec le même ensemble de fonctionnalités de couche inférieure.

Cette architecture montre de meilleures performances, qui surpassent les méthodes de détection de bordure sémantique à la fine pointe de la technologie avec une large marge sur les ensembles de données standard tels que SBD et Cityscapes.

Lien

Publicités

Laisser un commentaire

Entrez vos coordonnées ci-dessous ou cliquez sur une icône pour vous connecter:

Logo WordPress.com

Vous commentez à l'aide de votre compte WordPress.com. Déconnexion / Changer )

Image Twitter

Vous commentez à l'aide de votre compte Twitter. Déconnexion / Changer )

Photo Facebook

Vous commentez à l'aide de votre compte Facebook. Déconnexion / Changer )

Photo Google+

Vous commentez à l'aide de votre compte Google+. Déconnexion / Changer )

Connexion à %s