مجله ماشین بینایی و پردازش تصویر

مجله ماشین بینایی و پردازش تصویر

ویژگی‌های آگاه به محتوا برای قطعه‌بندی معنایی تصویر

نوع مقاله : مقاله پژوهشی

نویسندگان
1 دانش آموخته کارشناسی ارشد هوش مصنوعی دانشگاه شهید رجایی
2 دانشکده مهندسی کامپیوتر، دانشگاه شهید رجایی
3 دانشکده مهندسی کامپیوتر، دانشگاه تربیت دبیر شهید رجایی، تهران، ایران
چکیده
قطعه ­بندی معنایی تصویر مبتنی بر شبکه­­ های عصبی عمیق، از رویکردهای مهم محققان بینایی ماشین می باشد. در روش های مبتنی بر شبکه­ های عصبی عمیق، بطور کلی از یک شبکه پایه که برای کاربرد شناسایی تصویر، آموزش دیده است، بمنظور استخراج ویژگی از تصویر استفاده می­شود. از آنجا که ابعاد ویژگی­ های خروجی از این شبکه ­های پایه کوچکتر از تصویر ورودی­ می­ باشد، لذا با اضافه کردن چندین لایه کانولوشنی به انتهای این شبکه­ های پایه، ابعاد ویژگی­های خروجی از این شبکه­ ها را به اندازه ابعاد تصویر ورودی می­رسانند. استفاده از ویژگی­ های­ محلی خروجی از شبکه­ های پایه، بدون در نظر گرفتن ارتباط کلی بین این ویژگی­ های محلی، منجر به قطعه ­بندی ضعیف و ناهموار می ­شود. بر این اساس، در این تحقیق واحدی با نام­ "واحد ویژگی­های آگاه­ به محتوا" پیشنهاد می ­شود. این واحد با کمک ویژگی­ های محلی خروجی از شبکه­ های پایه، ویژگی­ های سطح-تصویر ایجاد می­ کند. واحد­ پیشنهادی را می­توان در معماری ­های مختلف قطعه­ بندی معنایی تصویر قرار داد. در این تحقیق، با اضافه کردن واحد پیشنهادی CAF به معماری‌های پایه FCN و DeepLab-v3-plus، به ترتیب معماری‌های FCN-CAF و DeepLab-v3-plus-CAF پیشنهاد شده است. بمنظور آموزش معماری‌های پیشنهادی از دادگان PASCAL VOC2012 استفاده شده است. نتایج آزمایش ها نشان می دهد که معماری‌های پیشنهادی نسبت به معماری‌های پایه مربوطه، به ترتیب 7/2 و 81/1درصد بهبود دقت (mIoU) دارد.
کلیدواژه‌ها

عنوان مقاله English

Context-Aware Features (CAF) for Semantic Image Segmentation

نویسندگان English

Majid Nasiri 1
Hamidreza Rashidy Kanan 2
Sayyed Hamid Amiri 3
1 Department of Computer Engineering, Shahid Rajaee Teacher Training University,
2 Department of Computer Engineering, Shahid Rajaee Teacher Training University
3 Department of Computer Engineering, Shahid Rajaee Teacher Training University, Tehran, Iran
چکیده English

Semantic image segmentation based on Convolutional Neural Networks (CNNs) is one of the main approaches in computer vision area. In convolutional neural network-based approaches, a pre-trained CNN which is trained on the large image classification datasets is generally used as a backend to extract features (image descriptors) from the images. Whereas, the special size of output features from CNN backends are smaller than the input images, by stacking multiple deconvolutional layers to the last layer of backend network, the dimension of output will be the same as the input image. Segmentation using local image descriptors without involving relationships between these local descriptors yield weak and uneven segmentation results. Inspired by these observations, in this research we propose Context-Aware Features (CAF) unit. CAF unit generate image-level features using local-image descriptors. This unit can be integrated into different semantic image segmentation architectures. In this study, by adding the proposed CAF unit to the Fully Convolutional Network (FCN) and DeepLab-v3-plus base architectures, the FCN-CAF and DeepLab-v3-plus-CAF architectures are proposed respectively. PASCAL VOC2012 datasets have been used to train the proposed architectures. Experimental results show that the proposed architectures have 2.7% and 1.81% accuracy improvement (mIoU) compared to the related basic architectures, respectively.

کلیدواژه‌ها English

Semantic Image Segmentation
Deep Neural Network (DNN)
Fully Convolutional Network (FCN)
Context-Aware Features (CAF) Unit
دوره 7، شماره 1
شهریور 1399
صفحه 153-164

  • تاریخ دریافت 20 خرداد 1398
  • تاریخ بازنگری 19 آبان 1398
  • تاریخ پذیرش 30 آذر 1398