論文の概要: CircleNet: Anchor-free Detection with Circle Representation
- arxiv url: http://arxiv.org/abs/2006.02474v1
- Date: Wed, 3 Jun 2020 18:31:51 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-25 18:10:46.188760
- Title: CircleNet: Anchor-free Detection with Circle Representation
- Title（参考訳）: CircleNet:円表現によるアンカーレス検出
- Authors: Haichun Yang, Ruining Deng, Yuzhe Lu, Zheyu Zhu, Ye Chen, Joseph T.
Roland, Le Lu, Bennett A. Landman, Agnes B. Fogo, Yuankai Huo
- Abstract要約: CircleNetは球状球状球状体を検出するための円表現を用いた単純なアンカーフリー検出法である。
糸球体検出の文脈におけるCircleNetの評価を行った。
- 参考スコア（独自算出の注目度）: 10.081591705078678
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Object detection networks are powerful in computer vision, but not
necessarily optimized for biomedical object detection. In this work, we propose
CircleNet, a simple anchor-free detection method with circle representation for
detection of the ball-shaped glomerulus. Different from the traditional
bounding box based detection method, the bounding circle (1) reduces the
degrees of freedom of detection representation, (2) is naturally rotation
invariant, (3) and optimized for ball-shaped objects. The key innovation to
enable this representation is the anchor-free framework with the circle
detection head. We evaluate CircleNet in the context of detection of
glomerulus. CircleNet increases average precision of the glomerulus detection
from 0.598 to 0.647. Another key advantage is that CircleNet achieves better
rotation consistency compared with bounding box representations.
- Abstract（参考訳）: 物体検出ネットワークはコンピュータビジョンにおいて強力であるが、生体医学的物体検出に最適化されるとは限らない。
本研究では,球状糸球体検出のための円表現を用いた簡易アンカーフリー検出法circlenetを提案する。
従来のバウンディングボックスに基づく検出方法とは異なり、バウンディングサークル(1)は検出表現の自由度を減少させ、(2)自然回転不変であり、(3)ボール状物体に最適化される。
この表現を可能にする重要なイノベーションは、円検出ヘッドを備えたアンカーフリーフレームワークである。
糸球体検出におけるCircleNetの評価を行った。
CircleNet は 0.598 から 0.647 まで、糸球体検出の平均精度を高める。
もう1つの大きな利点は、CircleNetがバウンディングボックス表現よりも回転整合性が高いことである。
関連論文リスト
- Weighted Circle Fusion: Ensembling Circle Representation from Different Object Detection Results [9.540862304334969]
Weighted Circle Fusion (WCF) は、様々な円検出モデルから予測をマージする簡単な手法である。
本手法は,全スライド画像(WSI)における物体検出における糸球体検出のための独自のデータセットの徹底的な評価を行う。
その結果,既存のアンサンブル法と比較すると,性能は5%向上した。
論文 参考訳（メタデータ） (2024-06-27T21:34:51Z) - Circle Representation for Medical Instance Object Segmentation [6.4832235108711345]
球状医療オブジェクトをインスタンスレベルでセグメント化するための円輪郭変形を利用した,単純なエンドツーエンドセグメンテーション手法であるCircleSnakeを紹介する。
病理画像における糸球体、核、好酸球の検出などの実用化において、CircleSnakeは優れた性能と回転不変性を示した。
論文 参考訳（メタデータ） (2024-03-18T06:25:41Z) - CircleFormer: Circular Nuclei Detection in Whole Slide Images with
Circle Queries and Attention [13.947162082687417]
動的アンカー円を用いたトランスフォーマーを用いた円形医療物体検出システムであるCircleFormerを提案する。
一般向けMoNuSegデータセットを用いた円形核検出とセグメンテーションにおける本手法の評価を行った。
論文 参考訳（メタデータ） (2023-08-30T17:01:01Z) - CircleNet: Reciprocating Feature Adaptation for Robust Pedestrian
Detection [62.41288479917261]
本稿では,人間が低解像度で隠蔽された物体を見る過程を模倣して特徴適応を実現するため,CircleNetと呼ばれる新しい特徴学習モデルを提案する。
Caltech(カルテック)とCityPersons(シティパーソンズ)という2つの歩行者検出データセットの実験によると、CircleNetは、障害物のある歩行者と低解像度歩行者のパフォーマンスを大幅に改善する。
論文 参考訳（メタデータ） (2022-12-12T04:10:24Z) - CircleSnake: Instance Segmentation with Circle Representation [4.009829991224921]
本研究では,ボール形状の医療物体に対する簡易な円錐形状変形法であるCircleSnakeを提案する。
一般的なDeepSnake法と比較して、我々の貢献は3倍である。
The proposed CircleSnake method is the first end-to-end circle representation Deep segmentation pipeline method。
論文 参考訳（メタデータ） (2022-11-02T16:34:20Z) - CenterNet++ for Object Detection [174.59360147041673]
ボトムアップアプローチはトップダウンと同じくらい競争力があり、リコールも高くなります。
CenterNetと呼ばれる我々のアプローチは、各オブジェクトを三重項キーポイント(左上と右下)として検出する。
MS-COCOデータセットでは、Res2Net-101 と Swin-Transformer の CenterNet がそれぞれ 53.7% と 57.1% のAPを達成している。
論文 参考訳（メタデータ） (2022-04-18T16:45:53Z) - RBGNet: Ray-based Grouping for 3D Object Detection [104.98776095895641]
本稿では,点雲からの正確な3次元物体検出のための投票型3次元検出器RBGNetフレームワークを提案する。
決定された光線群を用いて物体表面上の点方向の特徴を集約する。
ScanNet V2 と SUN RGB-D による最先端の3D 検出性能を実現する。
論文 参考訳（メタデータ） (2022-04-05T14:42:57Z) - R(Det)^2: Randomized Decision Routing for Object Detection [64.48369663018376]
本稿では,決定木とディープニューラルネットワークをエンドツーエンドの学習方法で組み合わせたオブジェクト検出手法を提案する。
効率的な学習を容易にするために,ノード選択型および連想型損失を伴うランダム化決定経路を提案する。
このアプローチをオブジェクト検出のためのランダム化決定ルーティングとして、R(Det)$2$と略す。
論文 参考訳（メタデータ） (2022-04-02T07:54:58Z) - Circle Representation for Medical Object Detection [5.359910146589289]
ボックス表現は有効であるが、必ずしもバイオメディカルオブジェクトに最適化されていない。
本稿では,医療用物体検出のための簡単な円表現を提案し,CircleNetを導入する。
病理画像上での糸球体と核の検出において,提案した円周表現は優れた検出性能を示した。
論文 参考訳（メタデータ） (2021-10-22T23:16:42Z) - RSDet++: Point-based Modulated Loss for More Accurate Rotated Object
Detection [53.57176614020894]
我々は、回転感度誤差(RSE)として、5パラメータと8パラメータの回転物体検出法の両方における損失の不連続性を分類する。
問題を軽減するために新しい変調された回転損失を導入し、回転感度検出ネットワーク(RSDet)を提案する。
10ピクセル未満のオブジェクトに対する本手法の精度をさらに向上するため,新しいRSDet++を提案する。
論文 参考訳（メタデータ） (2021-09-24T11:57:53Z) - Cylindrical Convolutional Networks for Joint Object Detection and
Viewpoint Estimation [76.21696417873311]
3次元空間で定義された畳み込みカーネルの円筒形表現を利用する学習可能なモジュールである円筒型畳み込みネットワーク(CCN)を導入する。
CCNはビュー固有の畳み込みカーネルを通してビュー固有の特徴を抽出し、各視点におけるオブジェクトカテゴリスコアを予測する。
本実験は,円柱状畳み込みネットワークが関節物体の検出と視点推定に与える影響を実証する。
論文 参考訳（メタデータ） (2020-03-25T10:24:58Z)
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。