iShape: Langkah Pertama Menuju Segmentasi Instance Bentuk Tidak Beraturan


Segmentasi instance bertujuan untuk memprediksi label semantik dan instance dari setiap piksel gambar. Ini menarik lebih banyak minat penelitian karena memberikan informasi yang lebih halus daripada deteksi objek atau segmentasi semantik.

Segmentasi instance bentuk tidak beraturan dapat diterapkan di berbagai bidang teknologi.

Segmentasi instance bentuk tidak beraturan dapat diterapkan di berbagai bidang teknologi, termasuk pemrosesan gambar atau simulasi. Kredit gambar: TheDigitalArtist melalui Pixabay, lisensi gratis

Sebuah studi baru-baru ini di arXiv.org mengusulkan kumpulan data baru yang berfokus pada segmentasi instance bentuk tidak beraturan, tidak seperti kebanyakan metode saat ini, yang berfokus pada objek berbentuk teratur.

Ini terdiri dari enam sub-set data, yang masing-masing mewakili adegan bentuk tidak beraturan yang khas, misalnya, bentuk strip, bentuk berongga, dan bentuk mesh. Para peneliti juga membandingkan metode segmentasi instan populer untuk mengungkapkan kelemahan metode populer pada objek berbentuk tidak beraturan.

Sebuah baseline segmentasi instans berbasis afinitas baru diusulkan. Ini secara eksplisit menggabungkan persepsi dan penalaran untuk memecahkan Segmentasi Instance Bentuk Sewenang-wenang dan mengungguli metode populer dengan margin besar.

Dalam makalah ini, kami memperkenalkan kumpulan data baru untuk mempromosikan studi tentang segmentasi instan untuk objek dengan bentuk tidak beraturan. Pengamatan utama kami adalah bahwa meskipun objek berbentuk tidak beraturan ada secara luas dalam kehidupan sehari-hari dan skenario industri, mereka mendapat sedikit perhatian di bidang segmentasi instan karena kurangnya kumpulan data yang sesuai. Untuk mengisi celah ini, kami mengusulkan iShape, dataset bentuk tidak beraturan untuk segmentasi misalnya. iShape berisi enam sub-set data dengan satu nyata dan lima sintetis, masing-masing mewakili pemandangan bentuk tidak beraturan yang khas. Tidak seperti kebanyakan dataset segmentasi instans objek biasa, iShape memiliki banyak karakteristik yang menantang algoritma segmentasi instans yang ada, seperti tumpang tindih besar antara kotak pembatas instans, rasio aspek ekstrem, dan sejumlah besar komponen terhubung per instans. Kami membandingkan metode segmentasi instans populer di iShape dan mendapati performanya menurun drastis. Oleh karena itu, kami mengusulkan algoritma segmentasi instan berbasis afinitas, yang disebut ASIS, sebagai dasar yang lebih kuat. ASIS secara eksplisit menggabungkan persepsi dan penalaran untuk menyelesaikan Segmentasi Instance Bentuk Sewenang-wenang termasuk objek tidak beraturan. Hasil eksperimen menunjukkan bahwa ASIS mengungguli state-of-the-art di iShape. Dataset dan kode tersedia di ini https URL

Makalah penelitian: Yang, L., “iShape: Langkah Pertama Menuju Segmentasi Instance Bentuk Tidak Beraturan”, 2021. Tautan: https://arxiv.org/abs/2109.15068




Pos terkait