Fugu-MT 論文翻訳(概要): Deep Semi-supervised Knowledge Distillation for Overlapping Cervical Cell Instance Segmentation

論文の概要: Deep Semi-supervised Knowledge Distillation for Overlapping Cervical Cell Instance Segmentation

arxiv url: http://arxiv.org/abs/2007.10787v1
Date: Tue, 21 Jul 2020 13:27:09 GMT
ステータス: 処理完了
システム内更新日: 2022-11-08 04:55:40.360185
Title: Deep Semi-supervised Knowledge Distillation for Overlapping Cervical Cell Instance Segmentation
Title（参考訳）: 重なり合う頸部細胞分画に対する深部半教師付き知識蒸留法
Authors: Yanning Zhou, Hao Chen, Huangjing Lin, Pheng-Ann Heng
Abstract要約: 本稿では, ラベル付きデータとラベルなしデータの両方を, 知識蒸留による精度向上に活用することを提案する。摂動に敏感なサンプルマイニングを用いたマスク誘導型平均教師フレームワークを提案する。実験の結果,ラベル付きデータのみから学習した教師付き手法と比較して,提案手法は性能を著しく向上することがわかった。
参考スコア（独自算出の注目度）: 54.49894381464853
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Deep learning methods show promising results for overlapping cervical cell instance segmentation. However, in order to train a model with good generalization ability, voluminous pixel-level annotations are demanded which is quite expensive and time-consuming for acquisition. In this paper, we propose to leverage both labeled and unlabeled data for instance segmentation with improved accuracy by knowledge distillation. We propose a novel Mask-guided Mean Teacher framework with Perturbation-sensitive Sample Mining (MMT-PSM), which consists of a teacher and a student network during training. Two networks are encouraged to be consistent both in feature and semantic level under small perturbations. The teacher's self-ensemble predictions from $K$-time augmented samples are used to construct the reliable pseudo-labels for optimizing the student. We design a novel strategy to estimate the sensitivity to perturbations for each proposal and select informative samples from massive cases to facilitate fast and effective semantic distillation. In addition, to eliminate the unavoidable noise from the background region, we propose to use the predicted segmentation mask as guidance to enforce the feature distillation in the foreground region. Experiments show that the proposed method improves the performance significantly compared with the supervised method learned from labeled data only, and outperforms state-of-the-art semi-supervised methods.
Abstract（参考訳）: 深層学習法では頚部細胞標本の分割が重複する有望な結果を示す。しかし、優れた一般化能力を持つモデルのトレーニングには、非常に高価で、取得に時間がかかります、voluminous pixelレベルアノテーションが要求されます。本稿では,ラベル付きデータとラベルなしデータの両方を,知識蒸留による精度向上に活用することを提案する。本研究では,教師と学生ネットワークから構成される,摂動感性サンプルマイニング(MMT-PSM)を用いた新しいマスク誘導平均教師フレームワークを提案する。 2つのネットワークは、小さな摂動の下で特徴レベルと意味レベルの両方で一貫することを奨励されている。 k$-time拡張サンプルからの教師の自己認識予測は、学生を最適化するための信頼できる擬似ラベルを構築するために使用される。本研究では,各提案の摂動に対する感受性を推定する新しい手法を設計し,大規模事例から情報的サンプルを選択して,迅速かつ効果的なセマンティック蒸留を容易にする。また,背景領域から不可避なノイズを除去するため,予測したセグメンテーションマスクを手掛かりとして,前景領域の特徴蒸留を強制する手法を提案する。提案手法はラベル付きデータのみから学習した教師付き手法に比べて大幅に性能が向上し,最先端の半教師付き手法よりも優れることを示す。

関連論文リスト

Annotation-Efficient Polyp Segmentation via Active Learning [45.59503015577479]
アノテーション効率の良いポリプセグメンテーションのための深層能動的学習フレームワークを提案する。実際に,ポリプの予測マップと背景領域の類似性を調べることで,各試料の不確実性を測定する。提案手法は,パブリックデータセットと大規模社内データセットの双方において,競合相手と比較して,最先端性能を実現していることを示す。
論文参考訳（メタデータ） (2024-03-21T12:25:17Z)
Noisy Correspondence Learning with Self-Reinforcing Errors Mitigation [63.180725016463974]
クロスモーダル検索は、実際は精力的な、十分に整合した大規模データセットに依存している。我々は、新しい雑音対応学習フレームワーク、textbfSelf-textbfReinforcing textbfErrors textbfMitigation(SREM)を導入する。
論文参考訳（メタデータ） (2023-12-27T09:03:43Z)
Virtual Category Learning: A Semi-Supervised Learning Method for Dense Prediction with Extremely Limited Labels [63.16824565919966]
本稿では,ラベルの修正を伴わずに,混乱したサンプルを積極的に使用することを提案する。仮想カテゴリー(VC)は、モデルの最適化に安全に貢献できるように、各混乱したサンプルに割り当てられる。私たちの興味深い発見は、密集した視覚タスクにおけるVC学習の利用に注目しています。
論文参考訳（メタデータ） (2023-12-02T16:23:52Z)
Scribble-supervised Cell Segmentation Using Multiscale Contrastive Regularization [9.849498498869258]
Scribble2Label (S2L) は、一握りのスクリブルと自己教師付き学習を使用することで、完全なアノテーションなしで正確なセグメンテーション結果を生成することを示した。本研究では,S2Lに対して,新しいマルチスケールコントラスト正規化項を用いる。主なアイデアは、ニューラルネットワークの中間層から特徴を抽出して、さまざまなスケールの構造を効果的に分離できるようにすることである。
論文参考訳（メタデータ） (2023-06-25T06:00:33Z)
Paced-Curriculum Distillation with Prediction and Label Uncertainty for Image Segmentation [25.20877071896899]
カリキュラム学習では、まず簡単なサンプルをトレーニングし、徐々に困難を増すことが考えられている。自己ペースト学習では、ペアリング関数はトレーニングの進捗に適応する速度を定義する。医用画像セグメンテーションのための新しいペースドキュリキュラム蒸留法(PCD)を開発した。
論文参考訳（メタデータ） (2023-02-02T12:24:14Z)
Semi-Supervised Semantic Segmentation via Gentle Teaching Assistant [72.4512562104361]
擬似ラベル付きラベル付きラベル付きデータは,特徴抽出器における代表的特徴の学習を容易にすることができると論じる。そこで本研究では,擬似ラベルが特徴抽出器やマスク予測器に与える影響を解消する新しい枠組みであるジェントル指導アシスタント(GTA-Seg)を提案する。
論文参考訳（メタデータ） (2023-01-18T07:11:24Z)
A Simple Baseline for Semi-supervised Semantic Segmentation with Strong Data Augmentation [74.8791451327354]
セマンティックセグメンテーションのためのシンプルで効果的な半教師付き学習フレームワークを提案する。単純な設計とトレーニングのテクニックのセットは、半教師付きセマンティックセグメンテーションの性能を大幅に向上させることができる。本手法は,Cityscapes と Pascal VOC データセットの半教師付き設定において,最先端の処理結果を実現する。
論文参考訳（メタデータ） (2021-04-15T06:01:39Z)
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)
Semi-supervised Active Learning for Instance Segmentation via Scoring Predictions [25.408505612498423]
インスタンスセグメンテーションのための新規かつ原則的な半教師付きアクティブ学習フレームワークを提案する。具体的には,クラス,バウンディングボックス,マスクの手がかりを明示的に評価するトリプレットスコア予測(tsp)という不確実性サンプリング戦略を提案する。医用画像データセットを用いた結果から,提案手法が有意義な方法で利用可能なデータから知識を具現化することを示す。
論文参考訳（メタデータ） (2020-12-09T02:36:52Z)
Weakly Supervised Deep Nuclei Segmentation Using Partial Points Annotation in Histopathology Images [51.893494939675314]
本稿では,部分点アノテーションに基づく弱教師付きセグメンテーションフレームワークを提案する。本手法は, 完全教師付き手法や最先端手法と比較して, 競争性能を向上できることを示す。
論文参考訳（メタデータ） (2020-07-10T15:41:29Z)

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。