Fugu-MT 論文翻訳(概要): Multi-Plateau Ensemble for Endoscopic Artefact Segmentation and Detection

論文の概要: Multi-Plateau Ensemble for Endoscopic Artefact Segmentation and Detection

arxiv url: http://arxiv.org/abs/2003.10129v1
Date: Mon, 23 Mar 2020 08:28:36 GMT
ステータス: 処理完了
システム内更新日: 2022-12-21 00:44:29.442119
Title: Multi-Plateau Ensemble for Endoscopic Artefact Segmentation and Detection
Title（参考訳）: 内視鏡的アーテファクトセグメンテーションと検出のためのマルチプレートアンサンブル
Authors: Suyog Jadhav, Udbhav Bamba, Arnav Chavan, Rishabh Tiwari, Aryan Raj
Abstract要約: アーティファクト検出、セマンティックセグメンテーション、サンプル外一般化。セマンティックセグメンテーションタスクにおいて,機能抽出/エンコーダとしてEfficientNetを用いたFPNの多段アンサンブルを提案する。オブジェクト検出タスクでは、Resnext101 BackboneでResnet50 BackboneとFasterRCNN(FPN + DC5)を使用したRetinaNetの3つのモデルアンサンブルを使用しました。
参考スコア（独自算出の注目度）: 3.9373541926236766
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Endoscopic artefact detection challenge consists of 1) Artefact detection, 2) Semantic segmentation, and 3) Out-of-sample generalisation. For Semantic segmentation task, we propose a multi-plateau ensemble of FPN (Feature Pyramid Network) with EfficientNet as feature extractor/encoder. For Object detection task, we used a three model ensemble of RetinaNet with Resnet50 Backbone and FasterRCNN (FPN + DC5) with Resnext101 Backbone}. A PyTorch implementation to our approach to the problem is available at https://github.com/ubamba98/EAD2020.
Abstract（参考訳）: 内視鏡的アーティファクト検出の試み 1)アーティファクト検出, 2)意味セグメンテーション,及び 3) サンプル外一般化。セマンティックセグメンテーションタスクでは,FPN(Feature Pyramid Network)のマルチプレートアンサンブルを特徴抽出/エンコーダとして有効に構成する。オブジェクト検出タスクでは、resnet50backboneとfasterrcnn(fpn + dc5)の3つのモデルアンサンブルをresnext101backboneで使用しました。この問題に対する我々のアプローチに対するpytorchの実装は、https://github.com/ubamba98/ead2020で利用可能です。

関連論文リスト

SegVG: Transferring Object Bounding Box to Segmentation for Visual Grounding [56.079013202051094]
ボックスレベルのアノテーションを信号として転送する新しい手法であるSegVGを提案する。このアプローチでは,ボックスレベルのレグレッションとピクセルレベルのセグメンテーションの両方の信号としてアノテーションを反復的に利用することができる。
論文参考訳（メタデータ） (2024-07-03T15:30:45Z)
OneFormer3D: One Transformer for Unified Point Cloud Segmentation [5.530212768657545]
本稿では,統合された,シンプルで効果的なセグメンテーションタスクのセマンティクス,例,およびパノプティックセグメンテーションタスクを共同で提案する。 OneFormer3Dという名前のモデルは、学習可能なカーネルのグループを使用して、インスタンスとセマンティックセグメンテーションを一貫して実行する。また、ScanNet、ScanNet200、S3DISデータセットのセマンティック、例、およびパノプティックセグメンテーションにおいて、最先端の結果を示す。
論文参考訳（メタデータ） (2023-11-24T10:56:27Z)
SATR: Zero-Shot Semantic Segmentation of 3D Shapes [74.08209893396271]
大規模オフザシェルフ2次元画像認識モデルを用いて3次元形状のゼロショットセマンティックセマンティックセマンティックセグメンテーションの課題について検討する。本研究では、SATRアルゴリズムを開発し、ShapeNetPartと提案したFAUSTベンチマークを用いて評価する。 SATRは最先端のパフォーマンスを達成し、ベースラインアルゴリズムを平均mIoUの1.3%と4%で上回っている。
論文参考訳（メタデータ） (2023-04-11T00:43:16Z)
AOP-Net: All-in-One Perception Network for Joint LiDAR-based 3D Object Detection and Panoptic Segmentation [9.513467995188634]
AOP-NetはLiDARベースのマルチタスクフレームワークで、3Dオブジェクトの検出とパノプティクスのセグメンテーションを組み合わせたものである。 AOP-Netは、nuScenesベンチマークにおける3Dオブジェクト検出とパノプティクスセグメンテーションの両タスクについて、最先端のパフォーマンスを達成している。
論文参考訳（メタデータ） (2023-02-02T05:31:53Z)
3DMODT: Attention-Guided Affinities for Joint Detection & Tracking in 3D Point Clouds [95.54285993019843]
本稿では,3次元点雲における複数物体の同時検出と追跡手法を提案する。本モデルでは,複数のフレームを用いた時間情報を利用してオブジェクトを検出し,一つのネットワーク上で追跡する。
論文参考訳（メタデータ） (2022-11-01T20:59:38Z)
A Tri-Layer Plugin to Improve Occluded Detection [100.99802831241583]
本研究では,2段階物体検出装置の頭部検出のための単純な''モジュールを提案し,部分閉塞物体のリコールを改善する。モジュールは、ターゲットオブジェクト、オクルーダー、オクラデーのセグメンテーションマスクの三層を予測し、それによってターゲットオブジェクトのマスクをより正確に予測することができる。また,COCO評価データセットを構築し,部分閉塞オブジェクトと分離オブジェクトのリコール性能を測定した。
論文参考訳（メタデータ） (2022-10-18T17:59:51Z)
VIN: Voxel-based Implicit Network for Joint 3D Object Detection and Segmentation for Lidars [12.343333815270402]
統合ニューラルネットワーク構造は、ジョイント3Dオブジェクト検出とポイントクラウドセグメンテーションのために提示される。私たちは、検出ラベルとセグメンテーションラベルの両方からの豊富な監視を活用しています。
論文参考訳（メタデータ） (2021-07-07T02:16:20Z)
DivergentNets: Medical Image Segmentation by Network Ensemble [0.6372261626436676]
大腸ポリープの検出は、機械学習や消化管内視鏡の分野でトレンドとなっている。 Polypセグメンテーションは、フレーム単位の分類やオブジェクト検出よりも精度が高いという利点がある。 3つの異なるUNetモデルからなるTriUNetというセグメンテーションモデルを提案する。私たちはTriUNetを、UNet++、FPN、DeepLabv3、DeepLabv3+といった有名なセグメンテーションモデルと組み合わせて、より一般化可能な医療画像セグメンテーションマスクを作成する。
論文参考訳（メタデータ） (2021-07-01T08:15:00Z)
Deep ensembles based on Stochastic Activation Selection for Polyp Segmentation [82.61182037130406]
本研究は,大腸内視鏡検査における画像分割,特に正確なポリープ検出とセグメンテーションを扱う。イメージセグメンテーションの基本アーキテクチャはエンコーダとデコーダで構成されている。我々はデコーダのバックボーンを変更することで得られるDeepLabアーキテクチャのバリエーションを比較した。
論文参考訳（メタデータ） (2021-04-02T02:07:37Z)
Implicit Feature Pyramid Network for Object Detection [22.530998243247154]
物体検出のための暗黙的特徴ピラミッドネットワーク(i-FPN)を提案する。本稿では,深平衡モデル(DEQ)で最近導入された暗黙関数を用いてFPNの変換をモデル化する。 MSデータセットによる実験結果から,i-FPNはベースライン検出器と比較して検出性能を大幅に向上することが示された。
論文参考訳（メタデータ） (2020-12-25T11:30:27Z)
Regularized Densely-connected Pyramid Network for Salient Instance Segmentation [73.17802158095813]
我々は、エンドツーエンドの有能なインスタンスセグメンテーション(SIS)のための新しいパイプラインを提案する。ディープネットワークにおけるリッチな特徴階層をよりよく活用するために、正規化された高密度接続を提案する。マスク予測を改善するために,新しいマルチレベルRoIAlignベースのデコーダを導入し,多レベル特徴を適応的に集約する。
論文参考訳（メタデータ） (2020-08-28T00:13:30Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。