論文の概要: Unsupervised Domain Adaptation for Semantic Segmentation of NIR Images
through Generative Latent Search
- arxiv url: http://arxiv.org/abs/2006.08696v2
- Date: Fri, 17 Jul 2020 12:07:42 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-21 04:34:57.310685
- Title: Unsupervised Domain Adaptation for Semantic Segmentation of NIR Images
through Generative Latent Search
- Title（参考訳）: 生成潜在探索によるNIR画像のセマンティックセグメンテーションのための教師なしドメイン適応
- Authors: Prashant Pandey, Aayush Kumar Tyagi, Sameer Ambekar, and Prathosh AP
- Abstract要約: 近赤外画像からの皮膚のセグメンテーションの問題点を考察する。
ディープラーニングに基づく最先端セグメンテーション技術は、現在の問題では利用できない大量のラベル付きデータを必要とする。
本稿では,ソース領域のみにトレーニングされたセグメンテーションネットワークにおいて,対象画像の「アレストクローン」を探索し,プロキシとして利用する,ターゲット非依存セグメンテーションの手法を提案する。
- 参考スコア（独自算出の注目度）: 9.612394086478353
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Segmentation of the pixels corresponding to human skin is an essential first
step in multiple applications ranging from surveillance to heart-rate
estimation from remote-photoplethysmography. However, the existing literature
considers the problem only in the visible-range of the EM-spectrum which limits
their utility in low or no light settings where the criticality of the
application is higher. To alleviate this problem, we consider the problem of
skin segmentation from the Near-infrared images. However, Deep learning based
state-of-the-art segmentation techniques demands large amounts of labelled data
that is unavailable for the current problem. Therefore we cast the skin
segmentation problem as that of target-independent Unsupervised Domain
Adaptation (UDA) where we use the data from the Red-channel of the
visible-range to develop skin segmentation algorithm on NIR images. We propose
a method for target-independent segmentation where the 'nearest-clone' of a
target image in the source domain is searched and used as a proxy in the
segmentation network trained only on the source domain. We prove the existence
of 'nearest-clone' and propose a method to find it through an optimization
algorithm over the latent space of a Deep generative model based on variational
inference. We demonstrate the efficacy of the proposed method for NIR skin
segmentation over the state-of-the-art UDA segmentation methods on the two
newly created skin segmentation datasets in NIR domain despite not having
access to the target NIR data. Additionally, we report state-of-the-art results
for adaption from Synthia to Cityscapes which is a popular setting in
Unsupervised Domain Adaptation for semantic segmentation. The code and datasets
are available at https://github.com/ambekarsameer96/GLSS.
- Abstract（参考訳）: ヒトの皮膚に対応するピクセルのセグメンテーションは、監視からリモートフォトプレチモグラフィによる心拍推定まで、様々な応用において重要な第一歩である。
しかし、既存の文献では、アプリケーションの臨界値が高い光環境において、その実用性を制限しているEMスペクトルの可視範囲でのみこの問題を考察している。
この問題を軽減するため,近赤外画像からの皮膚分割の問題を考える。
しかし、ディープラーニングに基づく最先端セグメンテーション技術は、現在の問題では利用できない大量のラベル付きデータを必要とする。
そこで我々は, 対象非依存の非教師付きドメイン適応 (UDA) の皮膚分画問題を, 可視領域の赤チャネルのデータを用いてNIR画像上の皮膚分画アルゴリズムを開発した。
本稿では,ソースドメイン内でのみトレーニングされたセグメンテーションネットワークにおいて,対象画像の'nearest-clone'を検索し,プロキシとして使用するターゲット非依存セグメンテーション手法を提案する。
本稿では,'nearest-clone'の存在を証明し,変分推論に基づく深部生成モデルの潜在空間上の最適化アルゴリズムを用いてそれを求める手法を提案する。
対象のNIRデータにアクセスできないにもかかわらず,NIR領域に新たに作成した2つの皮膚分画データセットに対して,最先端のUDA分画法に対して提案手法の有効性を実証した。
さらに,SynthiaからCityscapesへの適応に関する最先端の成果を報告し,セマンティックセグメンテーションのためのUnsupervised Domain Adaptationの一般的な設定である。
コードとデータセットはhttps://github.com/ambekarsameer96/glssで入手できる。
関連論文リスト
- Image Segmentation in Foundation Model Era: A Survey [99.19456390358211]
イメージセグメンテーションにおける現在の研究は、これらの進歩に関連する特徴、課題、解決策の詳細な分析を欠いている。
本調査は、FM駆動画像セグメンテーションを中心とした最先端の研究を徹底的にレビューすることで、このギャップを埋めようとしている。
現在の研究成果の広さを包括する,300以上のセグメンテーションアプローチの概要を概観する。
論文 参考訳（メタデータ） (2024-08-23T10:07:59Z) - DARC: Distribution-Aware Re-Coloring Model for Generalizable Nucleus
Segmentation [68.43628183890007]
ドメインギャップは、異なるフォアグラウンド(核)-バックグラウンド比によっても引き起こされる可能性があると我々は主張する。
まず、異なる領域間の劇的な画像色変化を緩和する再カラー化手法を提案する。
次に,前景-背景比の変動に頑健な新しいインスタンス正規化手法を提案する。
論文 参考訳（メタデータ） (2023-09-01T01:01:13Z) - CGAM: Click-Guided Attention Module for Interactive Pathology Image
Segmentation via Backpropagating Refinement [8.590026259176806]
腫瘍領域のセグメンテーションは、デジタル病理の定量的解析に欠かせない課題である。
最近のディープニューラルネットワークは、様々な画像分割タスクで最先端のパフォーマンスを示している。
本稿では,クリック型ユーザインタラクションによるディープニューラルネットワークの出力を改良する対話的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） (2023-07-03T13:45:24Z) - 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) - Depth-Assisted ResiDualGAN for Cross-Domain Aerial Images Semantic
Segmentation [15.29253551096484]
教師なしドメイン適応(Unsupervised domain adapt, UDA)は、ドメインギャップを最小化するためのアプローチである。
デジタルサーフェスモデル(DSM)は通常、ソースドメインとターゲットドメインの両方で利用可能である。
深度制御型ResiDualGAN (DRDG) を提案し, 深度制御型損失 (DCCL) を用いて生成モデルに深度情報をもたらす。
論文 参考訳（メタデータ） (2022-08-21T06:58:51Z) - PSGR: Pixel-wise Sparse Graph Reasoning for COVID-19 Pneumonia
Segmentation in CT Images [83.26057031236965]
画像中の新型コロナウイルス感染領域セグメンテーションの長距離依存性のモデリングを強化するために,PSGRモジュールを提案する。
PSGRモジュールは不正確なピクセルからノードへの投影を回避し、グローバルな推論のために各ピクセル固有の情報を保存する。
このソリューションは、3つの公開データセット上の4つの広く使われているセグメンテーションモデルに対して評価されている。
論文 参考訳（メタデータ） (2021-08-09T04:58:23Z) - Adapt Everywhere: Unsupervised Adaptation of Point-Clouds and Entropy
Minimisation for Multi-modal Cardiac Image Segmentation [10.417009344120917]
マルチモーダル心臓画像分割のための新しいUDA法を提案する。
提案手法は、逆学習に基づいて、異なる空間におけるソースとターゲットドメイン間のネットワーク特徴を適応する。
本手法はannotated source domainからunannotated target domainへの適応により2つの心データセットで検証した。
論文 参考訳（メタデータ） (2021-03-15T08:59:44Z) - Privacy Preserving Domain Adaptation for Semantic Segmentation of
Medical Images [13.693640425403636]
非教師付きドメイン適応(UDA)は、未ラベルのターゲットドメインデータのみを用いて新しいモダリティにモデルを適用するために提案される。
UDAのアルゴリズムは、ソースドメインデータがアクセスできないプライバシーに制約された設定で開発します。
本稿では,最新の医用画像セマンティックセグメンテーション手法と比較し,アルゴリズムの有効性を示す。
論文 参考訳（メタデータ） (2021-01-02T22:12:42Z) - Unsupervised Instance Segmentation in Microscopy Images via Panoptic
Domain Adaptation and Task Re-weighting [86.33696045574692]
病理組織像における教師なし核分割のためのCycle Consistency Panoptic Domain Adaptive Mask R-CNN(CyC-PDAM)アーキテクチャを提案する。
まず,合成画像中の補助的な生成物を除去するための核塗布機構を提案する。
第二に、ドメイン識別器を持つセマンティックブランチは、パンプトレベルのドメイン適応を実現するように設計されている。
論文 参考訳（メタデータ） (2020-05-05T11:08:26Z) - Saliency Enhancement using Gradient Domain Edges Merging [65.90255950853674]
本研究では,エッジとサリエンシマップをマージして,サリエンシマップの性能を向上させる手法を開発した。
これにより、DUT-OMRONデータセットの少なくとも3.4倍の平均的な改善により、エッジ(SEE)を使用したサリエンシ向上が提案された。
SEEアルゴリズムは前処理のためのSEE-Preと後処理のためのSEE-Postの2つの部分に分けられる。
論文 参考訳（メタデータ） (2020-02-11T14:04:56Z) - Domain Adaptive Medical Image Segmentation via Adversarial Learning of
Disease-Specific Spatial Patterns [6.298270929323396]
複数の領域にまたがる画像セグメンテーション性能を向上させるための教師なしドメイン適応フレームワークを提案する。
我々は,不適切なセグメンテーションパターンを拒絶し,意味情報や境界情報を通じて暗黙的に学習することで,新しいデータに適応するようにアーキテクチャを強制する。
対象領域からのラベルなし画像上でのディープネットワークの再構成により,セグメント化精度が大幅に向上することが実証された。
論文 参考訳（メタデータ） (2020-01-25T13:48:02Z)
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。