Wyszukiwarka
Abstrakt
The article reviews neural network architectures designed for the segmentation task. It focuses mainly on instance segmentation of stacked objects. The main assumption is that segmentation is based on a color image with an additional depth layer. The paper also introduces the Stacked Bricks Dataset based on three cameras: RealSense L515, ZED2, and a synthetic one. Selected architectures: DeepLab, Mask RCNN, DEtection TRansformer, Geometry-Aware Instance Segmentation, Shapemask, Synthetic Depth Mask RCNN, Synthetic Fusion Mask RCNN (SF-Mask), Unseen Object Instance Segmentation (UOIS), Unseen Object Clustering (UOC), and You Look Only At Coefficients, have been tested on various datasets. The results show that the best architectures for stacked elements segmentation are UOIS, SF-Mask, and UOC.
Cytowania
-
0
CrossRef
-
0
Web of Science
-
0
Scopus
Autorzy (3)
-
-
Rafał Okuński
Cytuj jako
Pełna treść
- Wersja publikacji
- Accepted albo Published Version
- DOI:
- Cyfrowy identyfikator dokumentu elektronicznego (otwiera się w nowej karcie) 10.1016/j.engappai.2023.106942
- Licencja
-
otwiera się w nowej karcie
Słowa kluczowe
Informacje szczegółowe
- Kategoria:
- Publikacja w czasopiśmie
- Typ:
- artykuły w czasopismach
- Opublikowano w:
-
ENGINEERING APPLICATIONS OF ARTIFICIAL INTELLIGENCE
nr 126,
ISSN: 0952-1976 - Język:
- angielski
- Rok wydania:
- 2023
- Opis bibliograficzny:
- Czubenko M., Chrzanowski A., Okuński R.: Instance segmentation of stack composed of unknown objects// ENGINEERING APPLICATIONS OF ARTIFICIAL INTELLIGENCE -,iss. 126 (2023), s.106942-
- DOI:
- Cyfrowy identyfikator dokumentu elektronicznego (otwiera się w nowej karcie) 10.1016/j.engappai.2023.106942
- Źródła finansowania:
-
- Publikacja bezkosztowa
- Weryfikacja:
- Politechnika Gdańska
wyświetlono 99 razy