Hypergraph Convolutional Networks for Weakly-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 ビジョンの基本的なトピックです。
セマンティックセグメンテーションのためにいくつかの深層学習手法が提案されており、優れた結果が得られています。
ただし、これらのモデルには、密に注釈が付けられた多数の画像が必要です。
この問題に対処するために、弱教師ありセマンティック セグメンテーション (HyperGCN-WSS) に HyperGraph Convolutional Networks を使用する新しいアルゴリズムを提案します。
このアルゴリズムは、データセット内の画像から空間グラフと k 最近傍 (k-NN) グラフを作成し、ハイパーグラフを生成します。
次に、いくつかの弱い信号を使用して、特殊な HyperGraph Convolutional Network (HyperGCN) アーキテクチャをトレーニングします。
HyperGCN の出力は疑似ラベルと呼ばれ、後でセマンティック セグメンテーション用の DeepLab モデルをトレーニングするために使用されます。
HyperGCN-WSS は、PASCAL VOC 2012 データセットでセマンティック セグメンテーション用に評価され、走り書きまたはクリックを弱いシグナルとして使用します。
私たちのアルゴリズムは、以前の方法に対して競争力のあるパフォーマンスを示しています。

要約(オリジナル)

Semantic segmentation is a fundamental topic in computer vision. Several deep learning methods have been proposed for semantic segmentation with outstanding results. However, these models require a lot of densely annotated images. To address this problem, we propose a new algorithm that uses HyperGraph Convolutional Networks for Weakly-supervised Semantic Segmentation (HyperGCN-WSS). Our algorithm constructs spatial and k-Nearest Neighbor (k-NN) graphs from the images in the dataset to generate the hypergraphs. Then, we train a specialized HyperGraph Convolutional Network (HyperGCN) architecture using some weak signals. The outputs of the HyperGCN are denominated pseudo-labels, which are later used to train a DeepLab model for semantic segmentation. HyperGCN-WSS is evaluated on the PASCAL VOC 2012 dataset for semantic segmentation, using scribbles or clicks as weak signals. Our algorithm shows competitive performance against previous methods.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google