論文の概要: Weakly Supervised Minirhizotron Image Segmentation with MIL-CAM

• arxiv url: http://arxiv.org/abs/2007.15243v1
• Date: Thu, 30 Jul 2020 05:49:30 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-05 14:16:37.368902
• Title: Weakly Supervised Minirhizotron Image Segmentation with MIL-CAM
• Title（参考訳）: MIL-CAMを用いた微視的超微視的画像分割
• Authors: Guohao Yu, Alina Zare, Weihuang Xu, Roser Matamala, Joel Reyes-Cabrera, Felix B. Fritschi, Thomas E. Juenger
• Abstract要約: 画像レベルラベルが弱い画素レベルのミニリゾトロン画像セグメンテーションのためのマルチインスタンス学習クラスアクティベーションマップ(MIL-CAM)を提案する。 提案手法は,ミニリゾトロン画像におけるルートオブジェクトのローカライゼーションにおいて,他の注目マップや複数のインスタンス学習手法よりも優れている。
• 参考スコア（独自算出の注目度）: 6.249743562845785
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We present a multiple instance learning class activation map (MIL-CAM) approach for pixel-level minirhizotron image segmentation given weak image-level labels. Minirhizotrons are used to image plant roots in situ. Minirhizotron imagery is often composed of soil containing a few long and thin root objects of small diameter. The roots prove to be challenging for existing semantic image segmentation methods to discriminate. In addition to learning from weak labels, our proposed MIL-CAM approach re-weights the root versus soil pixels during analysis for improved performance due to the heavy imbalance between soil and root pixels. The proposed approach outperforms other attention map and multiple instance learning methods for localization of root objects in minirhizotron imagery.
• Abstract（参考訳）: 画像レベルラベルが弱い画素レベルのミニリゾトロン画像セグメンテーションのためのマルチインスタンス学習クラスアクティベーションマップ(MIL-CAM)を提案する。 ミニリゾトロンは植物の根をその場で撮影するために用いられる。 ミニリゾトロン像は、直径が小さい数個の細長い根を持つ土壌で構成されていることが多い。 根は既存の意味的イメージ分割法において識別が難しいことが証明されている。 MIL-CAM法は,弱ラベルからの学習に加えて,土壌と根の重不均衡による性能向上のための解析において,根対土壌画素の再重み付けを行う。 提案手法は,ミニリゾトロン画像におけるルートオブジェクトのローカライゼーションにおいて,他の注目マップや複数のインスタンス学習手法よりも優れている。

関連論文リスト

• ZoomLDM: Latent Diffusion Model for multi-scale image generation [57.639937071834986]
  複数のスケールで画像を生成するための拡散モデルZoomLDMを提案する。 我々のアプローチの中心は、自己教師あり学習(SSL)埋め込みを利用した、新たな拡大対応条件付け機構である。 ZoomLDMは、すべてのスケールにわたる最先端の画像生成品質を実現し、大きな画像全体のサムネイルを生成するデータスカース設定に優れています。
  論文  参考訳（メタデータ） (2024-11-25T22:39:22Z)
• Local Manifold Learning for No-Reference Image Quality Assessment [68.9577503732292]
  No-Reference Image Quality Assessment(NR-IQA)のための、局所多様体学習とコントラスト学習を統合した革新的なフレームワークを提案する。 提案手法は,7つの標準データセットの最先端手法よりも優れた性能を示す。
  論文  参考訳（メタデータ） (2024-06-27T15:14:23Z)
• UM-CAM: Uncertainty-weighted Multi-resolution Class Activation Maps for Weakly-supervised Fetal Brain Segmentation [15.333308330432176]
  本稿では,意味的特徴と文脈情報探索に基づく画像レベルのラベル付き弱教師付き手法を提案する。 提案手法は,画像レベルラベルを用いた最先端の弱教師付き手法よりも優れている。
  論文  参考訳（メタデータ） (2023-06-20T12:21:13Z)
• Mixed-UNet: Refined Class Activation Mapping for Weakly-Supervised Semantic Segmentation with Multi-scale Inference [28.409679398886304]
  我々は、デコードフェーズに2つの並列分岐を持つMixed-UNetという新しいモデルを開発する。 地域病院や公開データセットから収集したデータセットに対して,いくつかの一般的なディープラーニングに基づくセグメンテーションアプローチに対して,設計したMixed-UNetを評価した。
  論文  参考訳（メタデータ） (2022-05-06T08:37:02Z)
• Beyond Cross-view Image Retrieval: Highly Accurate Vehicle Localization Using Satellite Image [91.29546868637911]
  本稿では,地上画像と架空衛星地図とをマッチングすることにより,車載カメラのローカライゼーションの問題に対処する。 鍵となる考え方は、タスクをポーズ推定として定式化し、ニューラルネットベースの最適化によってそれを解くことである。 標準自動運転車のローカライゼーションデータセットの実験により,提案手法の優位性が確認された。
  論文  参考訳（メタデータ） (2022-04-10T19:16:58Z)
• PRMI: A Dataset of Minirhizotron Images for Diverse Plant Root Study [12.490986779021982]
  本稿では,Minirhizotron(MR)技術により得られた植物根画像の大規模データセットを紹介する。 綿花、パパイヤ、ピーナッツ、ゴマ、サンフラワー、スイッチグラスを含む6種にまたがる72K以上のRGBの根画像がある。 画像には、各画像に根が含まれているか否かを示す画像レベルラベルが弱い。
  論文  参考訳（メタデータ） (2022-01-20T05:07:41Z)
• Computer-aided Interpretable Features for Leaf Image Classification [0.0]
  52種類の植物を分類するための計算効率の良い特徴を紹介する。 長さ、幅、面積、テクスチャの相関、単調性、発癌性は少ない。 その結果,教師付き学習環境と教師なし学習環境の両方において,興味のクラスを識別するのに十分な特徴があることが示唆された。
  論文  参考訳（メタデータ） (2021-06-15T12:11:10Z)
• Two-View Fine-grained Classification of Plant Species [66.75915278733197]
  本研究では,2視点の葉のイメージ表現に基づく新しい手法と,植物種の粒度認識のための階層的分類戦略を提案する。 シームズ畳み込みニューラルネットワークに基づく深度測定は、多数のトレーニングサンプルへの依存を減らし、新しい植物種に拡張性を持たせるために用いられる。
  論文  参考訳（メタデータ） (2020-05-18T21:57:47Z)
• Distilling Localization for Self-Supervised Representation Learning [82.79808902674282]
  コントラスト学習は教師なし表現学習に革命をもたらした。 現在のコントラストモデルでは、前景オブジェクトのローカライズには効果がない。 本稿では,背景変化を学習するためのデータ駆動型手法を提案する。
  論文  参考訳（メタデータ） (2020-04-14T16:29:42Z)
• Super Resolution for Root Imaging [2.0924876102146714]
  超解像度(SR)アルゴリズムは、センサーの解像度制限を克服し、ストレージスペースの要求を減らし、後の分析の性能を高めるために望まれる。 畳み込みニューラルネットワーク(CNN)を用いた植物の根の画像向上のためのSRフレームワークを提案する。 我々は、SRモデルが非ルートデータセットでトレーニングされた場合でも、基本的なバイコビックよりも優れる、公開データセットの集合を実証する。
  論文  参考訳（メタデータ） (2020-03-30T15:11:15Z)
• Towards Interpretable Semantic Segmentation via Gradient-weighted Class Activation Mapping [71.91734471596432]
  本稿では,セマンティックセグメンテーションの解法としてSEG-GRAD-CAMを提案する。 本手法は,各画素のセグメンテーションに対する関連性を示すヒートマップを作成するために局所的に適用された広く使われているGrad-CAM法の拡張である。
  論文  参考訳（メタデータ） (2020-02-26T12:32:40Z)

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。