Two Approaches to Supervised Image Segmentation

要約

2D グレースケールまたはカラー画像をそれぞれの関心領域 (背景、物体、物体の一部など) にセグメント化することは人間によってほぼ簡単に実行されますが、次元性を含むいくつかの影響の結果、科学技術における最大の課題の 1 つとなります。
削減 (3D から 2D)、ノイズ、反射、陰影、オクルージョンなど、さまざまな可能性があります。
過去数十年にわたって、関連する興味深いアプローチが多数提案されてきましたが、主に最近の深層学習の発展のおかげで、より効果的で一般的なソリューションが得られ、現在このタイプの操作の基本的な比較参照を構成しています。
また、最近開発されたマルチセットベースの方法論は、計算リソース (ハードウェアおよび/またはトレーニングと認識時間) をほとんど必要とせずに、空間精度、安定性、堅牢性を組み合わせた画像セグメンテーションのパフォーマンスを促進できる方法論について説明されています。
マルチセット ニューロン手法の興味深い特徴は、主に、教師あり画像セグメンテーションに対するマルチセット アプローチの基礎となる一致類似性指数によって可能になる、強化された選択性と感度、およびデータの摂動や外れ値に対する優れた堅牢性に由来します。
深層学習とマルチセット ニューロンのアプローチを説明した後、本研究では、採用された特定の種類のデータとパラメーター構成に適用された場合のそれぞれの主な興味深い特徴を示すことを主な目的とした、それらの間の比較実験を開発します。
深層学習アプローチは画像セグメンテーションを実行する可能性を確認しましたが、代替のマルチセット手法では、計算リソースをほとんど必要とせずに精度を向上させることができました。

要約(オリジナル)

Though performed almost effortlessly by humans, segmenting 2D gray-scale or color images into respective regions of interest (e.g.~background, objects, or portions of objects) constitutes one of the greatest challenges in science and technology as a consequence of several effects including dimensionality reduction(3D to 2D), noise, reflections, shades, and occlusions, among many other possibilities. While a large number of interesting related approaches have been suggested along the last decades, it was mainly thanks to the recent development of deep learning that more effective and general solutions have been obtained, currently constituting the basic comparison reference for this type of operation. Also developed recently, a multiset-based methodology has been described that is capable of encouraging image segmentation performance combining spatial accuracy, stability, and robustness while requiring little computational resources (hardware and/or training and recognition time). The interesting features of the multiset neurons methodology mostly follow from the enhanced selectivity and sensitivity, as well as good robustness to data perturbations and outliers, allowed by the coincidence similarity index on which the multiset approach to supervised image segmentation is founded. After describing the deep learning and multiset neurons approaches, the present work develops comparison experiments between them which are primarily aimed at illustrating their respective main interesting features when applied to the adopted specific type of data and parameter configurations. While the deep learning approach confirmed its potential for performing image segmentation, the alternative multiset methodology allowed for enhanced accuracy while requiring little computational resources.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google