ارزیابی تقسیم بندی سریع با شبکه های نقطه ای یکنواخت و جعبه های مرزی در مجموعه داده های متنوع

نویسندگان:

(1) Zhaoqing Wang، دانشگاه سیدنی و AI2Robotics.

(2) Xiaobo Xia، دانشگاه سیدنی.

(3) Ziye Chen، دانشگاه ملبورن.

(4) Xiao He، AI2Robotics.

(5) Yandong Guo، AI2Robotics؛

(6) مینگ مینگ گونگ، دانشگاه ملبورن و دانشگاه هوش مصنوعی محمد بن زاید.

(7) Tongliang Liu، دانشگاه سیدنی.

چکیده و 1. مقدمه

2. آثار مرتبط

3. روش و 3.1. تعریف مشکل

3.2. پایه و 3.3. چارچوب Uni-OVSeg

4. آزمایشات

4.1. جزئیات پیاده سازی

4.2. نتایج اصلی

4.3. مطالعه ابلیشن

5. نتیجه گیری

6. تأثیرات و مراجع گسترده تر

الف. جزئیات چارچوب

ب. تقسیم بندی سریع

ج. تجسم

ب. تقسیم بندی سریع.

جزئیات ارزیابی ما یک ارزیابی تقسیم‌بندی سریع روی طیف وسیعی از مجموعه‌های داده در حوزه‌های مختلف انجام می‌دهیم. برای اعلان نقطه، یک شبکه نقطه یکنواخت h×w را به عنوان اعلان ورودی انتخاب می کنیم (مثلاً 20×20). برای اعلان جعبه، از جعبه‌های محدودکننده حقیقت زمین به عنوان اعلان ورودی استفاده می‌کنیم. 1-pt IoU عملکرد اوراکل یک نقطه را با ارزیابی تقاطع- هم‌گرایی (IoU) ماسک‌های پیش‌بینی‌شده که به بهترین شکل با حقیقت زمین مطابقت دارند، نشان می‌دهد. 1-box IoU نشان دهنده مشابه 1-pt IoU است. نتایج ارزیابی بیشتر در شکل 7، شکل 8 و شکل 9 گزارش شده است.

جزئیات مجموعه داده یک توضیح…

Source link