Publicado na Conferência de 16 a 19 de outubro de 2022
Publicado na Conferência Internacional IEEE sobre Processamento de Imagens de 2022, em outubro de 2022, o artigo “Conditional Reconstruction for Open-Set Semantic Segmentation”, trata de um novo método para modelar a segmentação de conjuntos abertos. Chamada de CoReSeg, a nova técnica aborda o problema usando reconstrução condicionada por classe das imagens de entrada de acordo com sua máscara pixel a pixel. Segundo os autores, a segmentação de conjuntos abertos é uma tarefa relativamente nova e inexplorada, com apenas alguns métodos propostos para modelar tais tarefas. Já a nova metodologia proposta condiciona cada pixel de entrada a todas as classes conhecidas, esperando erros maiores para pixels de classes desconhecidas.
Ainda segundo os autores, observou-se que o método proposto produz melhor consistência semântica em suas previsões do que as linhas de base, resultando em mapas de segmentação mais limpos e que se ajustam melhor aos limites dos objetos. “CoReSeg supera métodos de última geração nos conjuntos de dados Vaihingen e Potsdam ISPRS, ao mesmo tempo que é competitivo no conjunto de dados IEEE GRSS Data Fusion de Houston 2018”, afirmam.
A nova implementação oficial para CoReSeg está disponível em: https://github.com/iannunes/CoReSeg. Além disso, há uma demonstração virtual do Colab para CoReSeg em edifícios Vaihingen, sendo os visitantes da página convidados a testar o script no Google Colab: https://drive.google.com/drive/folders/1tBcvLolYpMCc8-EA-9OO5IfBU2eL1Cff?usp=sharing,
O artigo tem como autores os pesquisadores Ian Nunes, da Pontifícia Universidade Católica do Rio de Janeiro, Brasil; Matheus B. Pereira, da Universidade Federal de Minas Gerais, Belo Horizonte, Brasil; Hugo Oliveira, da Universidade de São Paulo, Brasil; Jefersson A. dos Santos, da Universidade Federal de Minas Gerais, Belo Horizonte, Brasil e Universidade de Stirling, Stirling, Escócia, Reino Unido; e Marcus Poggi, da Pontifícia Universidade Católica do Rio de Janeiro, Brasil.