論文の概要: Manifold-driven Attention Maps for Weakly Supervised Segmentation
- arxiv url: http://arxiv.org/abs/2004.03046v1
- Date: Tue, 7 Apr 2020 00:03:28 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-16 00:05:59.731687
- Title: Manifold-driven Attention Maps for Weakly Supervised Segmentation
- Title（参考訳）: 弱教師付きセグメンテーションのためのマニフォールド駆動アテンションマップ
- Authors: Sukesh Adiga V, Jose Dolz, Herve Lombaert
- Abstract要約: 本稿では,視覚的に有意な領域を強化するために,多様体駆動型注意ネットワークを提案する。
提案手法は,余分な計算を必要とせずに,推論中により優れた注意マップを生成できる。
- 参考スコア（独自算出の注目度）: 9.289524646688244
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Segmentation using deep learning has shown promising directions in medical
imaging as it aids in the analysis and diagnosis of diseases. Nevertheless, a
main drawback of deep models is that they require a large amount of pixel-level
labels, which are laborious and expensive to obtain. To mitigate this problem,
weakly supervised learning has emerged as an efficient alternative, which
employs image-level labels, scribbles, points, or bounding boxes as
supervision. Among these, image-level labels are easier to obtain. However,
since this type of annotation only contains object category information, the
segmentation task under this learning paradigm is a challenging problem. To
address this issue, visual salient regions derived from trained classification
networks are typically used. Despite their success to identify important
regions on classification tasks, these saliency regions only focus on the most
discriminant areas of an image, limiting their use in semantic segmentation. In
this work, we propose a manifold driven attention-based network to enhance
visual salient regions, thereby improving segmentation accuracy in a weakly
supervised setting. Our method generates superior attention maps directly
during inference without the need of extra computations. We evaluate the
benefits of our approach in the task of segmentation using a public benchmark
on skin lesion images. Results demonstrate that our method outperforms the
state-of-the-art GradCAM by a margin of ~22% in terms of Dice score.
- Abstract（参考訳）: 深層学習を用いたセグメンテーションは、疾患の分析と診断に役立つため、医療画像において有望な方向を示している。
それでも、ディープモデルの主な欠点は、大量のピクセルレベルのラベルを必要とすることだ。
この問題を軽減するために、イメージレベルラベル、スクリブル、ポイント、バウンディングボックスを監督として使用する効率的な代替手段として、弱教師付き学習が登場した。
これらのうち、画像レベルのラベルは入手が容易である。
しかし、このようなアノテーションは対象のカテゴリ情報のみを含むため、この学習パラダイムに基づくセグメンテーションタスクは難しい問題である。
この問題に対処するために、訓練された分類ネットワークから派生した視覚的有能な領域が典型的に使用される。
分類タスクにおいて重要な領域を特定することに成功したにもかかわらず、これらのサリエンシ領域は画像の最も差別的な領域のみに焦点を当て、セマンティックセグメンテーションでの使用を制限する。
本研究では,視覚サリエント領域を強化し,弱教師付き設定におけるセグメンテーション精度を向上させるための,多様体駆動型注意型ネットワークを提案する。
提案手法は,余分な計算を必要とせずに,推論中により優れた注意マップを生成する。
皮膚病変画像の公開ベンチマークを用いてセグメンテーション作業における本手法の利点を評価した。
その結果,本手法はDiceスコアの22%程度で最先端のGradCAMよりも優れていた。
関連論文リスト
- Semi-Supervised Semantic Segmentation Based on Pseudo-Labels: A Survey [49.47197748663787]
本総説は, 半教師付きセマンティックセグメンテーション分野における擬似ラベル手法に関する最新の研究成果について, 包括的かつ組織的に概観することを目的としている。
さらに,医用およびリモートセンシング画像のセグメンテーションにおける擬似ラベル技術の適用について検討する。
論文 参考訳（メタデータ） (2024-03-04T10:18:38Z) - Learning Semantic Segmentation with Query Points Supervision on Aerial Images [57.09251327650334]
セマンティックセグメンテーションアルゴリズムを学習するための弱教師付き学習アルゴリズムを提案する。
提案手法は正確なセマンティックセグメンテーションを行い,手作業のアノテーションに要するコストと時間を大幅に削減することで効率を向上する。
論文 参考訳（メタデータ） (2023-09-11T14:32:04Z) - Weakly Supervised Intracranial Hemorrhage Segmentation using Head-Wise
Gradient-Infused Self-Attention Maps from a Swin Transformer in Categorical
Learning [0.6269243524465492]
頭蓋内出血(ICH、Intracranial hemorrhage)は、タイムリーな診断と正確な治療を必要とする救命救急疾患である。
深層学習技術は、医用画像解析と処理の先駆的なアプローチとして現れてきた。
ICH分類タスクで訓練されたSwin変換器と分類ラベルを併用した,新しいICHセグメンテーション手法を提案する。
論文 参考訳（メタデータ） (2023-04-11T00:17:34Z) - Weakly supervised segmentation with point annotations for histopathology
images via contrast-based variational model [7.021021047695508]
病理組織像のセグメンテーション結果を生成するためのコントラストモデルを提案する。
本手法は,病理組織像における対象領域の共通特性を考察し,エンドツーエンドで訓練することができる。
より地域的に一貫性があり、スムーズな境界セグメンテーションを生成することができ、未ラベルの新規領域に対してより堅牢である。
論文 参考訳（メタデータ） (2023-04-07T10:12:21Z) - Self-Supervised Correction Learning for Semi-Supervised Biomedical Image
Segmentation [84.58210297703714]
半教師付きバイオメディカルイメージセグメンテーションのための自己教師付き補正学習パラダイムを提案する。
共有エンコーダと2つの独立デコーダを含むデュアルタスクネットワークを設計する。
異なるタスクのための3つの医用画像分割データセットの実験により,本手法の優れた性能が示された。
論文 参考訳（メタデータ） (2023-01-12T08:19:46Z) - A Survey on Label-efficient Deep Segmentation: Bridging the Gap between
Weak Supervision and Dense Prediction [115.9169213834476]
本稿では,ラベル効率の高いセグメンテーション手法について概説する。
まず,様々な種類の弱いラベルによって提供される監督に従って,これらの手法を整理する分類法を開発する。
次に,既存のラベル効率のセグメンテーション手法を統一的な視点から要約する。
論文 参考訳（メタデータ） (2022-07-04T06:21:01Z) - Learning Whole-Slide Segmentation from Inexact and Incomplete Labels
using Tissue Graphs [11.315178576537768]
グラフを用いた弱教師付きセマンティックセグメンテーション手法であるSegGiniを提案する。
SegGiniセグメントは、組織マイクロアレイ(TMA)から全スライド画像(WSI)まで、任意かつ大規模な画像です。
論文 参考訳（メタデータ） (2021-03-04T16:04:24Z) - Uncertainty guided semi-supervised segmentation of retinal layers in OCT
images [4.046207281399144]
セグメンテーションネットワークを訓練する学生・教師のアプローチに基づく,新しい不確実性誘導半教師学習を提案する。
提案するフレームワークは,様々な画像モダリティにまたがるバイオメディカルイメージセグメンテーションに有効である。
論文 参考訳（メタデータ） (2021-03-02T23:14:25Z) - Weakly-Supervised Semantic Segmentation via Sub-category Exploration [73.03956876752868]
我々は、オブジェクトの他の部分に注意を払うために、ネットワークを強制する単純で効果的なアプローチを提案する。
具体的には、画像の特徴をクラスタリングして、アノテーション付き親クラスごとに擬似サブカテゴリラベルを生成する。
提案手法の有効性を検証し,提案手法が最先端手法に対して良好に機能することを示す。
論文 参考訳（メタデータ） (2020-08-03T20:48:31Z) - Mining Cross-Image Semantics for Weakly Supervised Semantic Segmentation [128.03739769844736]
2つのニューラルコアテンションを分類器に組み込んで、画像間のセマンティックな類似点と相違点をキャプチャする。
オブジェクトパターン学習の強化に加えて、コアテンションは他の関連する画像からのコンテキストを活用して、ローカライズマップの推論を改善することができる。
提案アルゴリズムは,これらすべての設定に対して新たな最先端性を設定し,その有効性と一般化性を示す。
論文 参考訳（メタデータ） (2020-07-03T21:53:46Z) - Weakly-Supervised Segmentation for Disease Localization in Chest X-Ray
Images [0.0]
医用胸部X線画像のセマンティックセグメンテーションに対する新しいアプローチを提案する。
本手法は肺と胸壁の間の異常な空気量を検出するための胸部X線検査に適用可能である。
論文 参考訳（メタデータ） (2020-07-01T20:48:35Z)
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。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。