EdgeFlow: Достижение Практической интерактивной сегментации с помощью потока, управляемого краем |
||
МЕНЮ Главная страница Поиск Регистрация на сайте Помощь проекту Архив новостей ТЕМЫ Новости ИИ Голосовой помощник Разработка ИИГородские сумасшедшие ИИ в медицине ИИ проекты Искусственные нейросети Искусственный интеллект Слежка за людьми Угроза ИИ ИИ теория Внедрение ИИКомпьютерные науки Машинное обуч. (Ошибки) Машинное обучение Машинный перевод Нейронные сети начинающим Психология ИИ Реализация ИИ Реализация нейросетей Создание беспилотных авто Трезво про ИИ Философия ИИ Big data Работа разума и сознаниеМодель мозгаРобототехника, БПЛАТрансгуманизмОбработка текстаТеория эволюцииДополненная реальностьЖелезоКиберугрозыНаучный мирИТ индустрияРазработка ПОТеория информацииМатематикаЦифровая экономика
Генетические алгоритмы Капсульные нейросети Основы нейронных сетей Распознавание лиц Распознавание образов Распознавание речи Творчество ИИ Техническое зрение Чат-боты Авторизация |
2021-09-22 20:31 Качественные обучающие данные играют ключевую роль в задачах сегментации изображений. Обычно аннотации на уровне пикселей являются дорогостоящими и трудоемкими при большом объеме обучающих данных. Для снижения стоимости маркировки и повышения качества сегментации были предложены интерактивные методы сегментации, которые позволяют получить результат всего за несколько кликов. Однако их производительность не удовлетворяет требованиям практических задач сегментации. В этой работе авторы предложили EdgeFlow, новую архитектуру, которая полностью использует интерактивную информацию о кликах пользователя с помощью направленного по краям потока. Данный метод достигает самой современной производительности без какой-либо постобработки или итеративной схемы оптимизации. Кроме того, с помощью предложенного метода мы разработали эффективный интерактивный инструмент сегментации для практических задач аннотирования данных. Статья: https://arxiv.org/pdf/2109.09406v1.pdf GitHub: https://github.com/PaddlePaddle/PaddleSeg Источник: github.com Комментарии: |
|