Bimodal SegNet: Instance Segmentation Fusing Events and RGB Frames for Robotic Grasping
Faculty of Science, Engineering and Computing, Kingston University(科学、工程与计算学院,金斯顿大学);Aerospace Engineering Department, Khalifa University of Science and Technology(航空航天工程系,哈利法大学科技学院);Dubai Future Labs - RLab(迪拜未来实验室-RLab)
双模SegNet通过融合事件和RGB帧数据,提升机器人抓取中动态环境下物体分割的准确率。
2025-12-08 cs.CV
Clutt3R-Seg: Sparse-view 3D Instance Segmentation for Language-grounded Grasping in Cluttered Scenes
Dept. of Mechanical Engineering, SNU(机械工程系,首尔国立大学);Interdisciplinary Program in Artificial Intelligence, SNU(人工智能跨学科项目,首尔国立大学);Robotics Lab, Hyundai Motor Company(Hyundai Motor Company机器人实验室)
Clutt3R-Seg通过引入层次实例树和开放词汇语义嵌入,实现了在杂乱场景中语言引导抓取的高效3D实例分割。
2026-02-12 cs.CV cs.RO
CMG-Net: An End-to-End Contact-Based Multi-Finger Dexterous Grasping Network
East China Normal University(华东师范大学);Midea Group(美的集团);Guangdong Polytechnic Normal University(广东技术师范大学)
在本文中,我们提出了一种新的表示抓取使用多指机器人手和物体之间的接触进行操作。这种表示显著降低了预测维度并加速了学习过程。我们提出了一个有效的端到端网络,CMG-Net,通过有效地预测多指抓取姿势和手配置从单点云在杂乱的环境中抓取未知物体。此外,我们还创建了一个合成抓取数据集,其中包含5000个杂乱场景,80个对象类别和2000万个注释。我们进行了全面的实证研究,并证明了我们的抓取表示和CMG-Net的有效性。我们的工作明显优于三指机器人手的最新技术。我们还证明了使用合成数据训练的模型对真实机器人的表现非常好。
2023-03-23 cs.AI cs.CV cs.RO
GraspClutter6D: A Large-scale Real-world Dataset for Robust Perception and Grasping in Cluttered Scenes
Korea Institute of Machinery & Materials (KIMM)(韩国机械材料研究院);Gwangju Institute of Science and Technology (GIST)(全州科学技术院);Korea Advanced Institute of Science and Technology (KAIST)(韩国科学技术院)
提出了大规模真实世界抓取数据集 GraspClutter6D,包含1000个高度杂乱场景及丰富6D姿态与抓取标注,验证了其能显著提升杂乱环境下机器人抓取网络的性能。
2025-08-14 cs.AI cs.CV cs.RO
Multi-Task Domain Adaptation for Deep Learning of Instance Grasping from Simulation
Stanford University(斯坦福大学)
基于学习的机器人操作方法受限于数据汇集的可扩展性和标签的可访问性。在本文中,我们提出了一个多任务的领域自适应框架,例如抓取在混乱的场景中,利用模拟机器人实验。我们的神经网络将单眼RGB图像和指定目标对象的实例分割掩码作为输入,并预测每个候选运动命令成功抓住指定对象的概率。所提出的迁移学习框架训练一个模型,例如在仿真中抓取,并使用域对抗损失将训练的模型转移到使用无差别抓取数据的真实机器人,这在仿真和现实世界中都可用。我们评估我们的模型在现实世界中的机器人实验,比较它与其他模型架构以及不分青红皂白的把握基线。
2018-03-04 cs.AI cs.CV cs.LG
Geometry-Aware Fruit Grasping Estimation for Robotic Harvesting in Orchards
Monash University(莫纳什大学)
田间机器人收获是近年来农业发展中的一项很有前途的技术。机器人在自然果园中收获水果之前识别和定位水果至关重要。然而,果园中收获机器人的工作空间很复杂:许多水果被树枝和树叶遮挡。重要的是在执行操作之前估计每个水果的适当抓握姿势。在这项研究中,几何感知网络,A3 N,提出了执行端到端的实例分割和抓取估计使用的颜色和几何感官数据从RGB-D相机。此外,工作空间几何建模应用于辅助机器人操作。此外,我们还实施了一种全球到本地的扫描策略,使机器人能够通过两个消费级RGB-D相机在田间环境中准确识别和检索水果。在实验中,我们还对所提出的网络的准确性和鲁棒性进行了全面的评估。实验结果表明,A3 N算法在实例分割上的平均计算时间为35 ms,分割精度达到0.873,抓取估计的中心和方向平均精度分别为0.61 cm和4.8 $^{\circ}$。总体而言,采用全局到局部扫描和A3 N的机器人系统在田间收获实验中取得了70%~ 85%的收获成功率。
2021-12-08 cs.AI cs.RO
Optimizing Drug Delivery in Smart Pharmacies: A Novel Framework of Multi-Stage Grasping Network Combined with Adaptive Robotics Mechanism
Suzhou Institute of Biomedical Engineering and Technology, Chinese Academy of Science(中国科学院苏州生物医学工程技术研究所);Fuzhou University(福州大学);Monash University(莫纳什大学);The First Affiliated Hospital, Nanjing Medical University(南京医科大学第一附属医院)
本文提出一种结合多阶段抓取网络与自适应机器人机制的新框架,通过改进的YOLO-EASB分割算法、IAFFGA-Net抓取网络和时间最优轨迹规划,解决了智能药房中形状各异且重叠药物的精确抓取问题,实验验证了其在优化药房运营中的有效性和适应性。
2024-10-01 cs.CV cs.RO
Instance Segmentation for Autonomous Log Grasping in Forestry Operations
Université Laval(拉瓦尔大学)
木材原木采摘是一项具有挑战性的任务自动化。事实上,原木通常是杂乱的配置,随机定向和重叠。目前的原木拣选自动化工作通常假设原木的姿态是已知的,很少考虑实际的感知问题。在本文中,我们直接解决后者,使用数据驱动的方法。首先,我们介绍一个新的数据集,名为TimberSeg 1.0,它是密集注释的,即,包括边界框和日志的像素级掩码注释。该数据集包括220幅图像,其中包含2500个单独分割的日志。使用我们的数据集,然后我们比较三个神经网络架构的任务,个别日志检测和分割;两个基于区域的方法和一个基于注意力的方法。不出所料,我们的结果表明,轴对齐的建议,没有考虑到日志的方向性,表现不佳与19.03 mAP。一个旋转感知的建议方法显着提高结果到31.83 mAP。更有趣的是,基于transformer的方法,在旋转上没有任何归纳偏差,优于其他两种方法,在我们的数据集上实现了57.53的mAP。我们的用例展示了基于区域的方法对于杂乱、细长对象的局限性。它还强调了基于注意力的方法在这一特定任务上的潜力,因为它们直接在像素级上工作。这些令人鼓舞的结果表明,这样的感知系统可以用来帮助操作员在短期内,或完全自动化日志采摘操作在未来。
2022-10-18 cs.CV cs.RO
Seg2Grasp: A Robust Modular Suction Grasping in Bin Picking
Interdisciplinary Program in AI, Seoul National University(首尔国立大学人工智能跨学科项目);Artificial Intelligence Institute, Seoul National University(首尔国立大学人工智能研究所);Department of Computer Science, Seoul National University(首尔国立大学计算机科学系)
研究针对非结构化环境中无序抓取难题,提出Seg2Grasp模块化方法,经分割、抓取、分类三步流程,利用多种技术确定吸力点与识别物体,实际实验证明该方法在成功率和适应性上优于现有方法,是工业自动无序抓取有力工具。
2026-07-21 cs.AI cs.RO
Visual Prompting for Robotic Manipulation with Annotation-Guided Pick-and-Place Using ACT
Embodied AI Research Team(具身人工智能研究团队);National Institute of AIST(国家信息与系统技术研究所)
针对便利店机器人拾取放置任务的挑战,提出带标注引导视觉提示的感知-行动流水线,采用ACT算法实现自适应操作,提升了零售环境下的抓取精度与适应性。
2026-08-19 cs.AI cs.RO
GaussianProperty: Integrating Physical Properties to 3D Gaussians with LMMs
HKUST(GZ)(香港科技大学(广州));HKUST(香港科技大学)
本文提出GaussianProperty,一个无需训练的框架,结合SAM与GPT-4V的推理能力,通过投票策略将2D图像的物理属性赋予3D高斯,并支持基于物理的动态模拟与机器人抓取,实验验证了其有效性。
2024-12-15 cs.AI cs.CV cs.RO
Visual-tactile Fusion for Transparent Object Grasping in Complex Backgrounds
Tsinghua Shenzhen International Graduate School(清华大学深圳国际研究生院);RISC-V International Open Source Laboratory(RISC-V国际开源实验室);Tsinghua-Berkeley Shenzhen Institute(清华-伯克利深圳学院);Institute of Artificial Intelligence, Collaborative Innovation Center for the Marine Artificial Intelligence, Shanghai University(上海大学人工智能学院、海洋人工智能协同创新中心)
本文提出视觉-触觉融合框架,结合TGCNN抓取网络、触觉校准与融合分类,在复杂背景下显著提升透明物体抓取成功率和分类准确率。
2024-06-08 cs.AI cs.RO
DoUnseen: Tuning-Free Class-Adaptive Object Detection of Unseen Objects for Robotic Grasping
TU Dortmund University(多特蒙德工业大学)
本研究提出DoUnseen,一种无需微调的类自适应目标检测方法,通过级联未见目标分割网络与类自适应分类器,实现对未知、可变类别目标的动态添加与分割,并验证了其在机器人抓取场景中的性能表现。
2023-11-27 cs.CV cs.RO
Learning 6-DOF Grasping Interaction via Deep Geometry-aware 3D Representations
University of Michigan(密歇根大学);Google(谷歌);Google Brain(谷歌大脑);X Inc(X公司)
本文主要研究了平行颚式夹持器六自由度抓取的仿真学习问题。我们提出了一个几何感知表示在把握的基础上的假设,即知识的3D几何是在互动的心脏的概念。我们的核心思想是通过3D几何预测来约束和规则化抓取交互学习。具体来说,我们将深度几何感知抓取模型的学习公式化为两个步骤:首先,我们学习通过重建场景来构建心理几何感知表示(即,3D占用网格)。第二,我们学习预测抓取结果与其内部几何感知表示。学习的结果预测模型用于通过综合分析优化顺序地提出抓取解决方案。我们的贡献有四个方面:(1)据我们所知,我们第一次提出了一种方法来学习一个6-DOF抓取网络从RGBD输入;(2)我们建立了一个抓取数据集从演示虚拟现实丰富的感官和交互注释。该数据集包括分布在7个类别中的101个日常对象,此外,我们提出了一种用于有效学习的数据增强策略;(3)我们证明,在从我们的数据集中抓取对象时,学习到的几何感知表示比基线CNN的相对性能提高了约10%。(4)我们进一步证明,该模型推广到新的观点和对象实例。
2018-06-15 cs.AI cs.CV cs.LG
Hierarchical Salient Object Detection for Assisted Grasping
Fraunhofer FKIE(弗劳恩霍夫通信、信息处理和人机工程学研究所);Bonn-Aachen Int. Center for Information Technology (b-it)(波恩-亚琛国际信息技术中心)
视觉场景分解成语义实体是创建可靠的对象抓取系统时的主要挑战之一。最近,我们介绍了一个自底向上的层次聚类方法,它能够分割对象和部分的场景。在本文中,我们介绍了一个变换,从这样的分割成一个相应的,层次显着性函数。在全面的实验中,我们证明了它的能力,检测场景中的显着对象。此外,这种分层显著性为图像中的每个点定义了最显著的对应区域(尺度)。在此基础上,开发了一个简单易用的取放操作系统,并进行了实例测试。
2017-01-17 cs.CV cs.RO
RoboGrasp: A Universal Grasping Policy for Robust Robotic Control
Peking University(北京大学);Harvard University(哈佛大学)
本文提出RoboGrasp通用抓取策略,将预训练抓取检测模型与机器人学习结合,利用目标检测和分割的视觉引导提升抓取精度与泛化能力,在少样本和抓取框提示任务中成功率最高提升34%。
2025-02-05 cs.CV cs.RO
EfficientPPS: Part-aware Panoptic Segmentation of Transparent Objects for Robotic Manipulation
ArtiMinds Robotics(ArtiMinds机器人公司);Forschungszentrum Informatik(信息技术研究中心);Karlsruhe Institute of Technology(卡尔斯鲁厄理工学院)
EfficientPPS提出一种部件级全景分割神经架构,结合无监督数据收集方法,使协作机器人能鲁棒高效地抓取医院环境中的透明输血袋。
2023-12-21 cs.AI cs.CV cs.LG
Cluttered Food Grasping with Adaptive Fingers and Synthetic-Data Trained Object Detection
Preferred Networks, Inc.(首选网络公司)
食品包装行业处理的食品种类繁多,形状和大小各异,甚至在一种食品。菜单也是多样的,经常变化,使自动化的拾取和放置困难。一种流行的装箱方法是首先通过使用实例分割方法来识别托盘中的每一块食物。然而,人类注释训练这些方法是不可靠的,并且容易出错,因为食物被紧密地包装在一起,边界不清楚,视觉相似性使得难以分离碎片。为了解决这个问题,我们提出了一种方法,训练纯粹的合成数据和成功地转移到现实世界中使用sim 2 real的方法,通过创建数据集的填充食品托盘使用高质量的3d模型的真实件的食物的训练实例分割模型。另一个问题是,食物在抓取过程中容易损坏。我们通过引入两种额外的方法来解决这个问题-一种新颖的自适应手指机制,当发生碰撞时被动缩回,以及一种过滤抓握过程中可能对相邻食物造成损害的方法。我们证明了所提出的方法对几种真正的食物的有效性。
2022-03-10 cs.CV cs.RO
3D Segmentation Learning from Sparse Annotations and Hierarchical Descriptors
Carnegie Mellon University(卡内基梅隆大学);SZ DJI Technology Co(深圳市大疆创新科技有限公司)
3D语义分割的主要障碍之一是为完全监督训练生成昂贵的逐点注释所需的大量努力。为了减轻手动工作,我们提出了GIDSeg,一种新的方法,可以同时学习分割稀疏注释通过推理的全球区域结构和个人的邻近属性。GIDSeg通过一个动态边缘卷积网络和一个内核化的身份描述符来描述全局和个体关系。集成效果是通过赋予一个细粒度的感受野低分辨率体素化地图。在我们的GIDSeg中,还设计了一个对抗性学习模块,以进一步增强联合特征分布中身份描述符的条件约束。尽管明显的简单性,我们提出的方法实现了卓越的性能比国家的最先进的推理3D密集分割,只有稀疏的注释。特别是,使用原始数据的$5\%$注释,GIDSeg优于其他3D分割方法。
2021-06-06 cs.CV cs.RO
Integration of Vision-based Object Detection and Grasping for Articulated Manipulator in Lunar Conditions
Tohoku University(东北大学);IMT Atlantique(大西洋国立高等矿业电信学院)
本文提出一种集成目标检测、实例分割和抓取检测的通用视觉流水线,在月面极端光照和非平坦地形下实现岩石堆叠,成功率92%,并展示了3D打印部件组装实验。
2023-09-03 cs.AI cs.RO
Using Simulation and Domain Adaptation to Improve Efficiency of Deep Robotic Grasping
Google Brain(谷歌大脑)
检测和收集带注释的视觉抓取数据集以训练现代机器学习算法可能非常耗时且昂贵。另一种有吸引力的方法是使用现成的模拟器来渲染合成数据,自动生成地面实况注释。不幸的是,纯粹基于模拟数据训练的模型往往无法推广到现实世界。我们研究如何随机模拟环境和领域自适应方法可以扩展到训练抓系统,抓住新的对象从原始单目RGB图像。我们广泛地评估了我们的方法,总共超过25,000次物理测试掌握,研究了一系列模拟条件和领域自适应方法,包括像素级领域自适应的新扩展,我们称之为GraspGAN。我们表明,通过使用合成数据和领域自适应,我们能够减少所需的真实世界的样本数量,以达到给定的性能水平的50倍,只使用随机生成的模拟对象。我们还表明,通过仅使用未标记的真实世界数据和我们的GraspGAN方法,我们在没有任何真实世界标签的情况下获得了与939,777个标记的真实世界样本相似的真实世界抓取性能。
2017-09-25 cs.AI cs.CV cs.LG
CaTGrasp: Learning Category-Level Task-Relevant Grasping in Clutter from Simulation
Intrinsic Innovation LLC(Intrinsic创新有限责任公司);Rutgers University(罗格斯大学)
任务相关的抓取是工业装配的关键,下游的操作任务限制了有效的抓取集。然而,学习如何执行这项任务是具有挑战性的,因为任务相关的把握标签很难定义和注释。对于用于执行任务相关抓握的建模或现成工具的适当表示也没有达成共识。这项工作提出了一个框架,学习任务相关的工业对象,而不需要耗时的现实世界的数据汇集或手动注释的抓持。为了实现这一目标,整个框架仅在模拟中进行训练,包括具有合成标签生成和自我监督的手-对象交互的监督训练。在这个框架的背景下,本文提出了一种新的,以对象为中心的规范表示在类别级别,它允许建立密集的对象实例之间的对应关系,并将任务相关的把握新的实例。大量的实验任务相关的密集杂乱的工业对象的抓取进行了模拟和现实世界的设置,证明了所提出的框架的有效性。代码和数据可在https://sites.google.com/view/catgrasp上获得。
2022-02-25 cs.AI cs.CV cs.RO
Real-Time Fruit Recognition and Grasping Estimation for Autonomous Apple Harvesting
Monash University(蒙纳士大学)
在这项研究中,一个完全基于神经网络的视觉感知框架的自主苹果收获。建议的框架包括一个多功能的神经网络水果识别和Pointnet把握估计,以确定适当的把握姿势,以指导机器人执行。水果识别以RGB-D摄像机拍摄的RGB图像为原始输入,进行水果检测和实例分割,点网抓取估计以每个水果的点云为输入,输出每个水果的抓取姿态预测。利用实验室和果园环境中采集的RGB-D图像对所提出的框架进行了验证,并在受控环境中进行了机器人抓取试验。实验表明,该框架可以准确地定位和估计机器人抓取的抓取位姿。
2020-04-05 cs.CV
High-Quality Unknown Object Instance Segmentation via Quadruple Boundary Error Refinement
Korea Institute of Machinery & Materials (KIMM)(韩国机械与材料研究院);Gwangju Institute of Science and Technology (GIST)(光州科学技术院);Hyundai Motor Company(现代汽车公司)
针对未知物体实例分割中的过/欠分割问题,提出QuBER方法,通过估计四重边界误差并利用误差引导融合细化分割,在三个基准上超越现有方法,推理时间小于0.1秒,并提升抓取成功率。
2025-02-27 cs.CV cs.RO
Semantics from Space: Satellite-Guided Thermal Semantic Segmentation Annotation for Aerial Field Robots
California Institute of Technology(加州理工学院);Pomona College(波莫纳学院)
提出利用卫星数据和机载定位姿态估计自动生成热红外图像语义分割标注的方法,结合视觉基础模型实现低成本高精度标注,性能接近高分辨率选项且显著优于零样本方法。
2024-03-21 cs.CV cs.RO
Weakly-supervised Medical Image Segmentation with Gaze Annotations
The Chinese University of Hong Kong(香港中文大学);The University of Hong Kong(香港大学);The Hong Kong University of Science and Technology(香港科技大学)
该研究提出利用注视标注为医学图像分割提供密集弱监督,通过多层级框架结合跨层一致性缓解注视噪声,构建了首个医学图像分割注视数据集GazeMedSeg,在性能和标注效率上均优于现有标签高效标注方案。
2024-07-10 cs.AI cs.CV
Can Unsupervised Segmentation Reduce Annotation Costs for Video Semantic Segmentation?
University of Bath(巴斯大学)
本文探讨利用未标注视频帧和粗略标注降低视频分割标注成本的方法,通过SAM和SAM 2模型实现自动掩码生成,减少约三分之一的标注需求,同时发现数据集帧多样性比数量更重要。
2026-03-29 cs.CV
Deep Learning Based Instance Segmentation in 3D Biomedical Images Using Weak Annotation
University of Notre Dame(圣母大学)
三维图像中的实例分割是生物医学图像分析中的一项基本任务。虽然深度学习模型通常适用于2D实例分割,但3D实例分割仍然面临着严峻的挑战,例如由于3D生物医学图像中的各种注释困难而导致的训练数据不足。常见的3D注释方法(例如,全体素注释)导致标记足够的实例以训练深度学习3D实例分割模型的高工作量和成本。在本文中,我们提出了一种新的弱注释方法,用于在不使用完整体素掩码注释的情况下训练快速深度学习3D实例分割模型。我们的方法只需要3D边界框的所有实例和完整的体素注释的一小部分的实例,并使用一种新的两阶段的3D实例分割模型,分别利用这两种注释。我们在多个生物医学图像数据集上评估了我们的方法,实验结果表明:(1)在完整注释框和少量掩模的情况下,我们的方法可以实现与使用完整注释的最佳已知方法相似的性能,以及(2)在相似的注释时间下,我们的方法优于使用完整注释的最佳已知方法。
2018-06-28 cs.CV
Semantic segmentation with coarse annotations
Eindhoven Univeristy of Technology, Eindhoven, The Netherlands(埃因霍温理工大学)
本文针对粗标注下的语义分割难题,提出一种基于超像素上采样的正则化方法,应用于FCN-16架构,在多个数据集上显著提升边界召回率。
2025-10-17 cs.AI cs.CV cs.LG
Rethinking Interactive Image Segmentation: Feature Space Annotation
University of Campinas(坎皮纳斯大学);Université Gustave Eiffel(古斯塔夫·埃菲尔大学)
尽管交互式图像分割方法取得了进展,但高质量的像素级注释仍然耗时费力-这是几个深度学习应用的瓶颈。我们后退一步,提出交互式和同步段注释从多个图像引导的特征空间投影。这种策略与现有的交互式分割方法形成鲜明对比,该方法在图像域中执行注释。我们表明,特征空间注释在前景分割数据集:iCoSeg,DAVIS和Rooftop中实现了与最先进方法竞争的结果。此外,在语义分割上下文中,它在Cityscapes数据集中实现了91.5%的准确率,比原始注释过程快74.75倍。此外,我们的贡献揭示了一个新的方向交互式图像注释,可以与现有的方法相结合。补充材料提供了视频演示。代码可在https://github.com/LIDS-UNICAMP/rethinking-interactive-image-segmentation获得。
2022-07-11 cs.CV
FedIA: Federated Medical Image Segmentation with Heterogeneous Annotation Completeness
School of Electronic Information and Communications, Huazhong University of Science and Technology(华中科技大学电子信息与通信学院);School of Engineering, Hong Kong University of Science and Technology(香港科技大学工程学院)
FedIA针对联邦医学图像分割中客户端标注不完整问题,将不完整标注视为噪声数据,通过客户端级完整性评估、增强完整标注客户端影响并校正不完整标注,在两个数据集上取得优于现有方法的性能。
2024-07-03 cs.AI cs.CV
BoxNet: Deep Learning Based Biomedical Image Segmentation Using Boxes Only Annotation
University of Notre Dame(圣母大学);The Hong Kong Polytechnic University(香港理工大学);The Chinese University of Hong Kong(香港中文大学)
近年来,深度学习(DL)方法已成为生物医学图像分割的有力工具。然而,通常需要高注释工作量和成本才能为DL模型获取足够的生物医学训练数据。为了减轻人工标注的负担,在本文中,我们提出了一种新的弱监督DL方法的生物医学图像分割仅使用框注释。首先,我们开发了一种方法,结合图搜索(GS)和DL从框注释生成精细的对象掩模,其中DL使用框注释来计算GS的粗略分割,然后GS被应用于定位最佳对象边界。在掩码生成过程中,我们仔细地利用信息框注释过滤掉潜在的错误,然后使用生成的掩码训练一个准确的DL分割网络。对组织学图像中的腺体分割、超声图像中的淋巴结分割和电子显微镜图像中的真菌分割进行的大量实验表明,我们的方法比最著名的最先进的弱监督DL方法具有更好的性能,并且能够实现(1)与完全监督DL方法相比几乎相同的准确度,(2)在相似的注释时间下显著更好的结果,以及(3)在各种应用中的鲁棒性能。
2018-06-02 cs.CV
CheXseg: Combining Expert Annotations with DNN-generated Saliency Maps for X-ray Segmentation
Stanford University(斯坦福大学)
医学图像分割模型通常由像素级的专家注释监督,这可能是昂贵的。在这项工作中,我们提出了一种方法,该方法将高质量的像素级专家注释与粗DNN生成的显着性图的规模相结合,用于训练多标签语义分割模型。我们展示了我们的半监督方法,我们称之为CheXseg,多标签胸部X射线解释的应用。我们发现CheXseg将仅使用像素级专家注释的全监督方法的性能(mIoU)提高了9.7%,将仅使用DNN生成的显着性图的弱监督方法提高了73.1%。我们的最佳方法能够在十分之三的病理上与放射科医生达成一致,与弱监督方法相比,整体性能差距减少了57.2%。
2021-05-17 cs.AI cs.CV cs.LG
Annotation by Clicks: A Point-Supervised Contrastive Variance Method for Medical Semantic Segmentation
Carleton University(卡尔顿大学);Canada CIFAR AI Chair(加拿大CIFAR人工智能讲席)
医学图像分割方法通常依赖于大量的密集注释图像进行模型训练,这是众所周知的昂贵和耗时的收集。为了减轻这一负担,弱监督技术已被利用来训练分割模型与较便宜的注释。本文提出了一种新的点监督对比方差医学图像语义分割方法(PSCV),它只需要一个像素点从每个器官类别进行注释。该方法通过使用一种新的对比方差(CV)损失来利用未标记的像素和标记像素上的部分交叉熵损失来训练基本分割网络。CV损失函数被设计为利用医学图像中器官的统计空间分布特性及其方差分布图表示来对未标记的像素执行区分性预测。在两个标准医学图像数据集上的实验结果表明,该方法在点监督医学图像语义分割任务上优于现有的弱监督方法.
2022-12-23 cs.AI cs.CV cs.LG
DASNet: Reducing Pixel-level Annotations for Instance and Semantic Segmentation
Xidian University(西安电子科技大学)
像素级注释需要昂贵的人工努力,并限制了通常受益于更多此类训练数据的深度网络的性能。在这项工作中,我们的目标是实现高质量的实例和语义分割的结果在一个小的像素级掩模注释和一个大的框注释集。其基本思想是探索检测模型,以简化像素级监督学习任务,从而减少所需的掩码注释量。我们的架构,名为DASNet,由三个模块组成:检测,注意和分割。检测模块检测所有类别的对象,注意力模块生成多尺度类特定的功能,和分割模块恢复的二进制掩码。与PASCAL VOC 2012数据集上现有的半监督方法相比,我们的方法表现出显着提高的性能。
2020-01-31 cs.CV eess.IV
Annotation Free Semantic Segmentation with Vision Foundation Models
Toyota Motor Europe(丰田汽车欧洲公司)
本研究针对语义分割需大量昂贵像素级标注的问题,利用CLIP、SAM等基础模型生成免费标注,结合DinoV2构建轻量对齐模块,实现了仅需少量训练、无人工标注的零样本语义分割。
2024-09-13 cs.CV
Self-Supervision with Superpixels: Training Few-shot Medical Image Segmentation without Annotation
Imperial College London(帝国理工学院);BioMedIA Group, Department of Computing(计算系BioMedIA小组)
Few-Shot语义分割(FSS)在医学成像领域有着巨大的应用潜力。大多数现有的FSS技术需要大量的注释语义类进行训练。然而,由于缺乏注释,这些方法可能不适用于医学图像。为了解决这个问题,我们做了几个贡献:(1)一个新的自监督FSS框架的医学图像,以消除在训练过程中的注释的要求。此外,生成基于超像素的伪标签以提供监督;(2)插入原型网络的自适应局部原型池化模块,以解决医学图像分割中常见的具有挑战性的前景-背景不平衡问题;(3)我们使用三个不同的任务证明了所提出的方法对医学图像的普遍适用性:用于CT和MRI的腹部器官分割,以及用于MRI的心脏分割。我们的研究结果表明,对于医学图像分割,所提出的方法优于传统的FSS方法,需要手动注释训练。
2020-10-06 cs.CV
PM-VIS+: High-Performance Video Instance Segmentation without Video Annotation
Nanjing Audit University(南京审计大学);University at Albany, SUNY(纽约州立大学奥尔巴尼分校);Lucid Motors(lucid汽车公司)
本文提出PM-VIS+方法,通过利用图像数据集、ImageNet-bbox补充类别、伪掩码与半监督优化,在无需视频标注的情况下实现高性能视频实例分割。
2024-06-28 cs.CV
Active Learning Enabled Low-cost Cell Image Segmentation Using Bounding Box Annotation
College of Electrical Engineering, Zhejiang University(浙江大学电气工程学院)
本文提出结合YOLOv8与SAM的YOLO-SAM边界框监督方法,并集成MC DropBlock主动学习框架,以极低标注成本实现细胞图像分割,实验显示可节省90%以上标注时间。
2024-05-02 cs.CV
Transfer Learning from Partial Annotations for Whole Brain Segmentation
Imperial College London(帝国理工学院)
脑磁共振图像分割是神经影像学研究中的一个关键问题。它通常使用标准的计算工具进行,例如FSL,SPM,多图谱分割等,这些工具通常是基于配准的,并且具有昂贵的计算成本。最近,人们越来越关注使用深度神经网络进行大脑图像分割,这在速度和性能方面都表现出了优势。然而,基于神经网络的方法通常需要大量的手动注释来优化大量的网络参数。对于用于体积图像分割的3D网络,这已经成为一个特殊的挑战,因为3D网络与2D网络相比包含更多的参数。3D大脑图像的手动注释非常耗时,并且需要训练有素的专家的广泛参与。为了解决有限的手动注释的挑战,在这里,我们提出了一种新的多任务学习框架,用于大脑图像分割,它利用大量自动生成的部分注释以及一小部分手动创建的完整注释进行网络训练。我们的方法产生了高性能相媲美的国家的最先进的全脑分割的方法。
2019-08-28 cs.CV eess.IV
Modeling Annotator Preference and Stochastic Annotation Error for Medical Image Segmentation
Northwestern Polytechnical University(西北工业大学);The University of Adelaide(阿德莱德大学);Australian Institute for Machine Learning(澳大利亚机器学习研究所)
医学图像的人工标注具有很强的主观性,导致不可避免的巨大标注偏差。深度学习模型可能在各种任务上超越人类的表现,但它们也可能模仿或放大这些偏见。虽然我们可以有多个注释者并融合他们的注释以减少随机错误,但我们不能使用这种策略来处理注释者偏好引起的偏差。在本文中,我们强调了医学图像分割任务的注释者相关的偏见的问题,并提出了一个涉及偏好的注释分布学习(PADL)框架来解决这个问题,从使用分布学习从随机错误中分离注释者的偏好的角度,从而产生不仅是Meta分割,而且每个注释者可能进行的分割。在此框架下,随机误差模型(SEM)模块估计Meta分割图和平均随机误差图,和一系列的人类偏好模型(HPM)模块估计每个注释者的分割和相应的随机误差。我们评估了我们的PADL框架上的两个医学图像基准与不同的成像方式,这已被多个医学专业人士注释,并取得了良好的性能在所有五个医学图像分割任务。
2022-03-22 cs.CV
Annotation-cost Minimization for Medical Image Segmentation using Suggestive Mixed Supervision Fully Convolutional Networks
University of Michigan(密歇根大学);Indian Institute of Technology - Bombay(印度理工学院孟买分校)
对于医学图像分割,大多数全卷积网络(FCN)需要通过大量高质量密集分割样本进行强有力的监督,这在成本、时间和物流方面都很繁重。这种注释的负担可以通过利用弱廉价的注释(例如边界框和解剖标志)来减轻。然而,\textit{a priori}很难估计每个监督类型所需的注释数量之间的最佳平衡,从而以最小的注释成本获得最大的性能。为了优化这种成本性能权衡,我们提出了一个基于成本最小化框架,在混合监督设置通过密集分割,边界框和地标。我们提出了一个线性规划(LP)制定结合不确定性和相似性的排名策略,明智地选择样本进行注释,以获得最佳性能。在结果部分,我们表明,我们提出的方法实现了与最先进的方法相当的性能,显著降低了注释成本。
2018-12-29 cs.CV
Noisy Annotations in Semantic Segmentation
Technion(以色列理工学院);Ben-Gurion University of the Negev(内盖夫本-古里安大学)
针对实例分割标签获取困难的问题,通过模拟噪声条件引入COCO-N、Cityscapes-N和COCO-WAN基准,评估模型鲁棒性并检验现有标签噪声学习方法的有效性。
2025-04-03 cs.CV cs.LG
Adaptive Early-Learning Correction for Segmentation from Noisy Annotations
NYU Center for Data Science(纽约大学数据科学中心);NYU Courant Institute of Mathematical Sciences(纽约大学库朗数学科学研究所)
存在噪声注释的深度学习在分类中得到了广泛的研究,但在分割任务中的研究要少得多。在这项工作中,我们研究了在不准确注释的数据上训练的深度分割网络的学习动态。我们发现了一个以前在分类背景下报道过的现象:网络倾向于在“早期学习”阶段首先拟合干净的像素级标签,然后才最终记住错误的注释。然而,与分类相反,分段记忆并不同时出现在所有的语义类别中。受这些发现的启发,我们提出了一种新的方法,从噪声注释分割两个关键要素。首先,我们在训练过程中分别检测每个类别的记忆阶段的开始。这使我们能够自适应地纠正嘈杂的注释,以利用早期学习。其次,我们引入了一个正则化项,该项可以强制跨尺度的一致性,以提高对注释噪声的鲁棒性。我们的方法优于标准方法的医学成像分割任务,噪声合成模仿人类注释错误。它还为弱监督语义分割中存在的真实噪声注释提供了鲁棒性,在PASCAL VOC 2012上实现了最先进的结果。代码可在https://github.com/Kangningthu/ADELE上获得
2022-03-06 cs.CV cs.LG
JoDiffusion: Jointly Diffusing Image with Pixel-Level Annotations for Semantic Segmentation Promotion
JoDiffusion通过联合扩散图像与像素级标注,提升语义分割的性能和可扩展性。
2025-12-15 cs.CV
Semantic Segmentation of Remote Sensing Images with Sparse Annotations
Technical University of Munich(慕尼黑工业大学);German Aerospace Center(德国航空航天中心);Wageningen University(瓦赫宁根大学);Ecole Polytechnique Fédérale de Lausanne(洛桑联邦理工学院)
训练卷积神经网络(CNN)获得非常高分辨率的图像需要大量高质量的像素级注释,这是非常耗费人力和时间的。此外,可能还需要专业的照片翻译来保证注释的正确性。为了减轻这样的负担,我们提出了一个框架,语义分割的航空图像的基础上不完整的注释,注释者被要求标记几个像素,易于绘制涂鸦。为了利用这些稀疏潦草的注释,我们提出了特征和空间相对正则化(FESTA)方法,以补充监督任务与无监督学习信号,占在空间和特征方面的邻域结构。
2021-01-10 cs.CV
Decoupled Spatial Neural Attention for Weakly Supervised Semantic Segmentation
Nanyang Technological University(南洋理工大学);The University of Adelaide(阿德莱德大学)
弱监督的语义分割得到了很多研究的关注,因为它强调了需要获得大量的密集像素明智的地面实况注释的训练图像。与其他形式的弱监督相比,图像标签的获取效率相当高。在我们的工作中,我们专注于弱监督语义分割与图像标签标注。这项任务的最新进展在很大程度上取决于生成的伪注释的质量。在这项工作中,灵感来自空间神经注意图像描述,我们提出了一个解耦的空间神经注意网络生成伪注释。我们的解耦注意力结构可以同时识别目标区域和定位有区别的部分,在一个前向路径中生成高质量的伪注释,生成的伪注释导致分割结果,达到了最先进的弱监督语义分割。
2018-03-07 cs.CV
Identifying Reliable Annotations for Large Scale Image Segmentation
IST Austria(奥地利科学技术研究所)
嵌入式计算机视觉任务,特别是语义图像分割,需要大量的带注释图像的训练集。虽然获得实际图像通常是没有问题的,但创建必要的注释是一个繁琐且昂贵的过程。因此,人们经常不得不使用不可靠的注释源,例如Amazon Mechanical Turk或(半)自动算法技术。在这项工作中,我们提出了一种基于高斯过程(GP)的技术,用于同时识别训练集的哪些图像具有不可靠的注释,并学习分割模型,其中这些图像的负面影响被抑制。或者,该模型也可以仅用于从训练集中识别最可靠的注释图像,然后可以用于训练任何其他分割方法。通过依赖于“深度特征”与线性协方差函数的组合,可以学习我们的GP,并且仅使用矩阵运算和基于梯度的优化来有效地确定其超参数。这使得我们的方法甚至可以扩展到具有数百万训练实例的大型数据集。
2015-04-28 cs.CV
Instance Segmentation as Image Segmentation Annotation
University of Sao Paulo(圣保罗大学)
实例分割问题旨在精确地检测和描绘图像中的对象。目前的大多数解决方案都依赖于深度卷积神经网络,但尽管如此,提出的解决方案是非常多样化的。一些解决方案将问题作为网络问题来处理,其中它们使用多个网络或专用于单个网络来解决多个任务。另一种方法试图将问题作为注释问题来解决,其中实例信息以数学表示形式编码。本文提出了一种基于DCME技术的解决方案,用单个分割网络解决实例分割问题。与其他网络解码器不同的是,分段网络解码器不是专门用于多任务网络的。相反,网络编码器被重新用于对图像对象进行分类,从而降低了解决方案的计算成本。
2019-02-01 cs.CV cs.LG stat.ML
ASIST: Annotation-free synthetic instance segmentation and tracking for microscope video analysis
Vanderbilt University(范德堡大学);Tufts University(塔夫茨大学)
实例对象分割和跟踪提供跨显微镜视频的对象的全面量化。最近的单阶段基于像素嵌入的深度学习方法已经显示出与“分段然后关联”的两阶段解决方案相比的优越性能。然而,将基于监督像素嵌入的方法应用于显微镜视频的一个主要限制是资源密集型手动标记,其涉及跟踪数百个重叠对象及其跨视频帧的时间关联。受最近基于生成对抗网络(GAN)的无注释图像分割的启发,我们提出了一种新的无注释合成实例分割和跟踪(ASIST)算法,用于分析亚细胞微绒毛的显微镜视频。本文的贡献主要体现在三个方面:(1)提出了一种新的无注释视频分析范式。(2)将基于嵌入的实例分割和跟踪与无注释的合成学习聚合为一个整体框架;(3)据我们所知,这是第一次研究使用基于嵌入的深度学习来研究微绒毛实例分割和跟踪。从实验结果来看,与监督学习相比,所提出的无注释方法取得了更好的性能。
2020-11-02 cs.CV eess.IV
Urban Scene Semantic Segmentation with Low-Cost Coarse Annotation
MPI for Informatics(马克斯·普朗克信息学研究所);Saarland Informatics Campus(萨尔兰信息学园区);ETH Zürich(苏黎世联邦理工学院);CISPA(亥姆霍兹信息安全中心);MPI for Intelligent Systems(马克斯·普朗克智能系统研究所);University of Tübingen(蒂宾根大学)
为了获得最佳性能,当今的语义分割方法使用大型且仔细标记的数据集,需要昂贵的注释预算。在这项工作中,我们表明,粗注释是一个低成本,但非常有效的替代训练语义分割模型。考虑到城市场景分割的情况下,我们利用廉价的粗糙注释的真实世界捕获的数据,以及合成数据来训练我们的模型,并显示出竞争力的性能相比,精细注释的真实世界的数据。具体来说,我们提出了一个从粗到细的自训练框架,该框架为粗注释数据的未标记区域生成伪标签,使用合成数据来改善语义类之间边界周围的预测,并使用跨域数据增强来增加多样性。我们在Cityscapes和BDD100k数据集上的大量实验结果表明,我们的方法实现了显著更好的性能与注释成本的权衡,仅用一小部分注释预算就可以获得与完全注释数据相当的性能。此外,当用作预训练时,我们的框架与标准的完全监督设置相比表现更好。
2022-12-15 cs.CV
Suggestive Annotation: A Deep Active Learning Framework for Biomedical Image Segmentation
University of Notre Dame(圣母大学);Harper Cancer Research Institute(哈珀癌症研究所)
图像分割是生物医学图像分析中的一个基本问题。深度学习的最新进展在许多生物医学图像分割基准上取得了令人鼓舞的结果。然而,由于生物医学图像的变化很大(不同的模态、图像设置、对象、噪声等),要在新的应用程序中使用深度学习,通常需要一组新的训练数据。这可能会导致大量的注释工作和成本,因为只有生物医学专家才能有效地注释,并且图像中通常有太多的实例(例如,单元格)进行注释。在本文中,我们旨在解决以下问题:通过有限的努力(例如,时间)进行注释,为了获得最佳性能,应该注释哪些实例?我们提出了一个深度主动学习框架,该框架结合了全卷积网络(FCN)和主动学习,通过对最有效的注释区域提出明智的建议来显着减少注释工作。我们利用FCN提供的不确定性和相似性信息,并制定了一个广义版本的最大集合覆盖问题,以确定最具代表性和不确定的区域进行注释。使用2015年MICCAI腺体挑战数据集和淋巴结超声图像分割数据集的广泛实验表明,使用我们的方法的注释建议,仅使用50%的训练数据就可以实现最先进的分割性能。
2017-06-15 cs.CV
Block Annotation: Better Image Annotation for Semantic Segmentation with Sub-Image Decomposition
Cornell University(康奈尔大学)
具有高质量像素级注释的图像数据集对于语义分割非常有价值:标记图像中的每个像素可确保注释稀有类和小对象。然而,全图像注释是昂贵的,专家花费高达90分钟的图像。我们提出了块子图像注释作为一个完整的图像注释的替代。尽管频繁的任务切换的注意力成本,我们发现,块注释可以在更高的质量相比,使用现有的注释工具开发的全图像注释具有相等的货币成本的全图像注释众包。令人惊讶的是,我们发现,50%的像素注释块允许语义分割,以实现等效的性能,以100%的像素注释。此外,只有12%的像素进行了注释,其性能高达密集注释时的98%。在弱监督设置中,在相同的注释时间下,块注释的性能比现有方法高出3-4%(绝对)。为了恢复必要的全局结构的应用程序,如表征空间上下文和启示关系,我们提出了一种有效的方法来修补块注释的图像与高质量的标签,而无需额外的人力。因此,与全图像注释相比,更少的注释也可以用于这些应用。
2020-02-16 cs.CV cs.LG eess.IV
COCONut: Modernizing COCO Segmentation
ByteDance(字节跳动)
针对COCO分割基准标注粗糙、不同分割类型标注不一致的问题,研究团队推出含38.3万张图像、超518万高质量全景掩码的COCONut数据集,统一三类分割标注,构建经人工验证的大规模通用分割基准。
2024-04-12 cs.CV