semantic segmentation models | BriefGPT

关键词semantic segmentation models

搜索结果 - 14

S-CycleGAN: 机器人超声成像的语义分割增强 CT - 超声图像印射
通过引入一种名为 S-CycleGAN 的高级深度学习模型，我们在计算机断层扫描（CT）数据的基础上生成了高质量的合成超声图像，用于增强语义分割模型的训练数据集和机器人辅助超声扫描系统的开发，提高它们准确解析真实超声图像的能力。
PDFa month ago
展示与把握：零样本基础模型支持的机器人抓取的小样本语义分割
我们提出了一个新颖的方法，结合了基础模型的出色广化能力和高性能的少样本分类器，作为一个评分函数来选择与支持集更接近的分割，从而克服了现有性能限制，并在 Graspnet-1B 和 Ocid-grasp 数据集以及真实世界的少样本抓取合成中取
PDF2 months ago
基于模糊排名的细胞学图像分割的后期融合技术
探索了一种基于模糊的晚期融合技术用于细胞学图像分割，应用于宫颈细胞学 (HErlev) 和乳腺细胞学 (JUCYT-v1) 图像数据集，得到了比传统融合规则如平均概率、几何平均数、博达计数等更好的分割结果，分别获得了 84.27％和 83.
PDF4 months ago
CVPR保留掩码属性编辑的分割模型基准测试
通过构建一个具有精确控制结构信息能力的保护掩模的属性编辑流程，我们研究了在不同类型场景下对分割模型的行为进行鲁棒性评估。我们发现局部和全局属性的变化对分割性能产生影响，并且模型对不同类型变化的敏感性不同。因此，我们认为局部属性与全局属性具有
PDF4 months ago
ICCV基于 CoRTe 的跨领域迁移学习：从黑盒到轻量级分割模型的一致可靠迁移
CoRTe 方法使用黑盒模型的相对置信度提取知识，通过伪标签精炼增强学生模型在目标数据上学到的新信息，并使用提取的伪标签进行模型一致性训练，将黑盒模型的知识转移到轻量级模型上，以用于目标数据分布的两个合成 - 实际场景。
PDF4 months ago
解决语义分割模型漂移的数据质量感知方法
本研究通过全面实验，旨在探讨数据质量评估和数据调整两种重要策略对抗模型漂移的效果，以提高语义分割模型的性能和可靠性，从而推动计算机视觉在实际场景中的发展。
PDF5 months ago
评估离线自主驾驶分割对抗攻击的鲁棒性：基于数据集的分析
本研究调查了在越野自动驾驶领域中，语义分割模型对于对抗性输入扰动的脆弱性。尽管在一般条件下表现良好，但现有的最先进分类器经常容易受到（甚至是）轻微扰动的影响，最终导致高自信度的不准确预测。我们的研究旨在填补这一空白，通过研究非鲁棒特征对越野
PDF5 months ago
基于 XAI 增强的语义分割模型用于视觉质量检测
通过使用基于 CAM 的解释来完善语义分割模型，本研究提出了提升视觉质量检测系统的框架。该框架包括模型训练、基于 XAI 的模型解释、XAI 评估和注释增强等步骤，通过解释和专家洞见进行指导。评估结果表明，基于 XAI 的模型在复杂目标分割
PDF6 months ago
利用 Sentinel-1 时间序列、GIS 和语义分割模型进行海上风电场实例分割
使用语义分割模型和 Sentinel-1 时间序列，本研究旨在实例级别检测海上风电厂，并开发了一个含有标记数据和 S-1 时间序列的数据库，比较了五种深度语义分割架构的性能，并研究了不同时间序列间隔的维度以及评估了语义到实例转换过程的效果。
PDF7 months ago
大规模弱监督学习用于卫星图像中的道路提取
使用深度学习从卫星图像中自动提取道路是传统手动制图的可行替代方案，本文提出了利用 OpenStreetMap 道路数据作为弱标签和大规模卫星图像进行预训练语义分割模型的方法，并且利用大规模预训练使模型具有更好的泛化能力。
PDF10 months ago
ICCV通过风格对齐的异常感知语义分割
自动驾驶背景下，为了在开放世界中部署无人车时遇到未知对象，将标准语义分割模型配备异常感知能力至关重要。本文通过减小合成的超出分布数据和驾驶场景之间的领域差异，有效缓解训练中可能出现的突破口，提升了超出分布合成过程。此外，我们提出了一种简单的
PDF10 months ago
鲁棒语义分割：强对抗攻击和鲁棒模型快速训练
本文探讨了在对语义分割模型进行敌对攻击时所面临的挑战性问题，并提出了相应的解决方案。最终我们得出的评估方案优于现有方法，同时表明敌对训练在语义分割中的应用因其更具挑战性的任务和更高的计算代价而受到限制。然而，通过利用强 Robust Ima
PDFa year ago
ICLR针对语义分割的对抗补丁攻击的认证防御
本文提出一种名为 “Demasked Smoothing” 的方法，可以通过不需要模型结构或训练上的改变，提高深度学习模型抵抗语义分割任务中新兴的对抗性贴花攻击的鲁棒性，提供了可靠的检测和恢复机制。
PDF2 years ago
使用对抗网络进行语义分割
本文提出一种对语义分割模型进行对抗训练的方法，通过训练一个卷积语义分割网络和一个对抗网络，可以检测和纠正真实分割地图与分割网络产生的高阶不一致性，实验结果表明，我们的对抗训练方法可以在 Stanford Background 和 PASCA
PDF8 years ago