A Survey on Semi-Supervised Semantic Segmentation

要約

セマンティック セグメンテーションは、コンピューター ビジョンで最も困難なタスクの 1 つです。
ただし、多くのアプリケーションでは、ピクセルレベルのラベル付けのコストが高いため、ラベル付けされた画像が不足していることが頻繁に障害になります。
このシナリオでは、ラベル付けされた画像とラベル付けされていない画像の両方が利用される、半教師付きの観点から問題にアプローチすることが理にかなっています。
近年、この一連の研究は多くの関心を集めており、この方向で多くのアプローチが公開されています。
したがって、この研究の主な目的は、半教師付きセマンティック セグメンテーションにおける現在の最先端技術の概要を提供し、これまでのすべての既存の方法の最新の分類法を提供することです。
これは、文献で最も広く使用されているベンチマーク データセットの分類法のすべてのカテゴリを表すさまざまなモデルを使用した実験、および得られた結果、課題、将来の研究の最も有望なラインに関する最終的な議論によって補完されます。

要約(オリジナル)

Semantic segmentation is one of the most challenging tasks in computer vision. However, in many applications, a frequent obstacle is the lack of labeled images, due to the high cost of pixel-level labeling. In this scenario, it makes sense to approach the problem from a semi-supervised point of view, where both labeled and unlabeled images are exploited. In recent years this line of research has gained much interest and many approaches have been published in this direction. Therefore, the main objective of this study is to provide an overview of the current state of the art in semi-supervised semantic segmentation, offering an updated taxonomy of all existing methods to date. This is complemented by an experimentation with a variety of models representing all the categories of the taxonomy on the most widely used becnhmark datasets in the literature, and a final discussion on the results obtained, the challenges and the most promising lines of future research.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google