Fugu-MT 論文翻訳(概要): Feedback Attention for Cell Image Segmentation

論文の概要: Feedback Attention for Cell Image Segmentation

arxiv url: http://arxiv.org/abs/2008.06474v1
Date: Fri, 14 Aug 2020 17:23:32 GMT
ステータス: 処理完了
システム内更新日: 2022-10-30 17:28:00.338578
Title: Feedback Attention for Cell Image Segmentation
Title（参考訳）: 細胞画像分割のためのフィードバック注意
Authors: Hiroki Tsuda, Eisuke Shibuya and Kazuhiro Hotta
Abstract要約: 我々は,人間の脳内のフィードバック処理に注目し,深層から浅い層へ特徴マップを接続することで,ネットワークが人間のように学習すると考えた。本稿では、人間の脳を模倣し、出力層の特徴写像を入力に近接する層にフィードバックするフィードバック注意法を提案する。
参考スコア（独自算出の注目度）: 16.307380967432962
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: In this paper, we address cell image segmentation task by Feedback Attention mechanism like feedback processing. Unlike conventional neural network models of feedforward processing, we focused on the feedback processing in human brain and assumed that the network learns like a human by connecting feature maps from deep layers to shallow layers. We propose some Feedback Attentions which imitate human brain and feeds back the feature maps of output layer to close layer to the input. U-Net with Feedback Attention showed better result than the conventional methods using only feedforward processing.
Abstract（参考訳）: 本稿では,フィードバック処理などのフィードバック注目機構によるセル画像分割タスクについて述べる。フィードフォワード処理の従来のニューラルネットワークモデルとは異なり、我々は人間の脳のフィードバック処理に注目し、深い層から浅い層に特徴マップを接続することで、ネットワークが人間のように学習すると考えた。本稿では,人間の脳を模倣し,出力層の特徴マップを入力層に近づけるフィードバック・アテンションを提案する。フィードバック注目のu-netはフィードフォワード処理のみを用いた従来の手法よりも優れた結果を示した。

関連論文リスト

Finding Concept Representations in Neural Networks with Self-Organizing Maps [2.817412580574242]
ニューラルネットワークの層活性化が抽象概念の神経表現にどのように対応するかを調べるために,自己組織化マップをどのように利用できるかを示す。実験の結果, 概念の活性化マップの相対エントロピーは適切な候補であり, 概念の神経表現を同定し, 特定するための方法論として利用できることがわかった。
論文参考訳（メタデータ） (2023-12-10T12:10:34Z)
A Comprehensive Survey on Deep Neural Image Deblurring [0.76146285961466]
画像の劣化は、ぼやけを引き起こす画像の劣化要素を排除し、画像の品質を改善して、テクスチャとオブジェクトの可視化を改善する。伝統的に、画像の劣化で優先される事前ベース最適化アプローチは、ディープニューラルネットワークが最近この分野で大きなブレークスルーをもたらした。私たちは、デブロアリングアプリケーションで使用される最も一般的なディープニューラルネットワーク構造を概説し、その強みと斬新さを説明し、パフォーマンスメトリクスを要約し、広く使われているデータセットを紹介します。
論文参考訳（メタデータ） (2023-10-07T07:29:42Z)
Shap-CAM: Visual Explanations for Convolutional Neural Networks based on Shapley Value [86.69600830581912]
クラスアクティベーションマッピングに基づくShap-CAMと呼ばれる新しい視覚的説明法を開発した。我々は,Shap-CAMが意思決定プロセスの解釈において,より良い視覚的性能と公平性を実現することを実証した。
論文参考訳（メタデータ） (2022-08-07T00:59:23Z)
Deep Image Deblurring: A Survey [165.32391279761006]
低レベルのコンピュータビジョンにおいて、デブロアリングは古典的な問題であり、ぼやけた入力画像からシャープなイメージを復元することを目的としている。近年のディープラーニングの進歩は、この問題の解決に大きな進歩をもたらした。
論文参考訳（メタデータ） (2022-01-26T01:31:30Z)
Towards robust vision by multi-task learning on monkey visual cortex [6.9014416935919565]
我々は,深部ネットワークを併用して画像分類を行い,マカク一次視覚野(V1)の神経活動を予測する訓練を行った。その結果,モンキーV1データによるコトレーニングは,トレーニング中に歪みがないにもかかわらず,ロバスト性の向上につながることがわかった。また、ネットワークの堅牢性が向上するにつれて、ネットワークの表現がより脳に似たものになることを示した。
論文参考訳（メタデータ） (2021-07-29T21:55:48Z)
Rethinking of the Image Salient Object Detection: Object-level Semantic Saliency Re-ranking First, Pixel-wise Saliency Refinement Latter [62.26677215668959]
本稿では,意味的に有意な領域を粗い位置で特定する,軽量で教師付きの深層ネットワークを提案する。次に,これらセマンティック・サリエント領域の深層モデルを画素ワイド・サリエンシ改善として融合する。提案手法は単純だが有効であり,本手法は主眼をオブジェクトレベルのセマンティック・リグレード問題とみなすための最初の試みである。
論文参考訳（メタデータ） (2020-08-10T07:12:43Z)
Ventral-Dorsal Neural Networks: Object Detection via Selective Attention [51.79577908317031]
我々はVDNet(Ventral-Dorsal Networks)と呼ばれる新しいフレームワークを提案する。人間の視覚システムの構造にインスパイアされた我々は「Ventral Network」と「Dorsal Network」の統合を提案する。実験の結果,提案手法は最先端の物体検出手法よりも優れていることがわかった。
論文参考訳（メタデータ） (2020-05-15T23:57:36Z)
Feedback U-net for Cell Image Segmentation [14.950054143767824]
本稿では,畳み込みLSTMとフィードバックプロセスを用いたセグメンテーション手法である畳み込みLSTMを用いたフィードバックU-Netを提案する。ショウジョウバエの細胞画像とマウスの細胞画像データセットの両方において,本手法は,フィードフォワードプロセスのみを用いた従来のU-Netよりも優れていた。
論文参考訳（メタデータ） (2020-04-30T04:16:26Z)
Top-Down Networks: A coarse-to-fine reimagination of CNNs [25.079310083166824]
生物学的ビジョンは、粗い情報処理経路を採用する。トップダウンネットワークは、高周波ノイズを発生させる敵攻撃に対する防御線を提供する。本稿では,複数の視覚的タスクにおける様々な既存アーキテクチャへのトップダウン分解処理の適用性を示す実証的な証拠を提供する。
論文参考訳（メタデータ） (2020-04-16T12:29:48Z)
Exploiting Semantics for Face Image Deblurring [121.44928934662063]
本稿では,深層畳み込みニューラルネットワークによる意味的手がかりを利用して,効果的かつ効率的な顔分解アルゴリズムを提案する。顔のセマンティックラベルを入力先として組み込んで,顔の局所構造を正規化するための適応的構造損失を提案する。提案手法は、より正確な顔の特徴と細部を持つシャープ画像を復元する。
論文参考訳（メタデータ） (2020-01-19T13:06:27Z)
Single image reflection removal via learning with multi-image constraints [50.54095311597466]
本稿では、上記のアプローチの利点を組み合わせ、その欠点を克服する新しい学習ベースソリューションを提案する。提案アルゴリズムはディープニューラルネットワークを学習して、複数の入力画像間で強化されたジョイント制約でターゲットを最適化する。我々のアルゴリズムは実画像上でリアルタイムかつ最先端の反射除去性能で動作する。
論文参考訳（メタデータ） (2019-12-08T06:10:49Z)

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。