Fugu-MT 論文翻訳(概要): Free annotated data for deep learning in microscopy? A hitchhiker's guide

論文の概要: Free annotated data for deep learning in microscopy? A hitchhiker's guide

arxiv url: http://arxiv.org/abs/2010.03988v1
Date: Thu, 8 Oct 2020 14:00:46 GMT
ステータス: 処理完了
システム内更新日: 2022-10-09 12:50:48.224239
Title: Free annotated data for deep learning in microscopy? A hitchhiker's guide
Title（参考訳）: 微視的深層学習のための自由注釈データ? ヒッチハイカーのガイド
Authors: Adrian Shajkofci, Michael Liebling
Abstract要約: 顕微鏡では、大規模なデータセットの取得と注釈付けの時間的負担とコストにより、ディープラーニングモデルは実用的ではない。本稿では,生物顕微鏡における学習に基づく手法の学習に成功するために最近登場した手法の概要について述べる。
参考スコア（独自算出の注目度）: 6.09170287691728
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: In microscopy, the time burden and cost of acquiring and annotating large datasets that many deep learning models take as a prerequisite, often appears to make these methods impractical. Can this requirement for annotated data be relaxed? Is it possible to borrow the knowledge gathered from datasets in other application fields and leverage it for microscopy? Here, we aim to provide an overview of methods that have recently emerged to successfully train learning-based methods in bio-microscopy.
Abstract（参考訳）: 顕微鏡では、多くのディープラーニングモデルが前提条件として採用する大規模なデータセットの取得と注釈付けの時間的負担とコストが、これらの手法を実用的でないものにすることが多い。注釈付きデータのこの要件は緩和できるか? 他のアプリケーション分野のデータセットから収集した知識を借りて、顕微鏡に利用することは可能ですか? 本稿では,バイオマイクロスコープにおける学習に基づく手法の学習に成功するために最近出現した手法の概要について述べる。

関連論文リスト

Delving Deeper into Data Scaling in Masked Image Modeling [145.36501330782357]
視覚認識のためのマスク付き画像モデリング(MIM)手法のスケーリング能力に関する実証的研究を行った。具体的には、Webで収集したCoyo-700Mデータセットを利用する。我々のゴールは、データとモデルのサイズの異なるスケールでダウンストリームタスクのパフォーマンスがどのように変化するかを調べることです。
論文参考訳（メタデータ） (2023-05-24T15:33:46Z)
Fast spline detection in high density microscopy data [0.0]
多生物系の顕微鏡的研究において、衝突と重なりの問題は依然として困難である。そこで,本研究では,一般的なモチーフと重なり合うスプラインの正確な形状軌跡を抽出する,エンドツーエンドの深層学習手法を開発した。線虫Caenorhabditis elegansの密集実験における使用性の設定と実証を行った。
論文参考訳（メタデータ） (2023-01-11T13:40:05Z)
Data-Efficient Learning via Minimizing Hyperspherical Energy [48.47217827782576]
本稿では,少数の代表データを用いたスクラッチからのデータ効率学習の問題について考察する。我々は,MHEに基づくアクティブラーニング(MHEAL)アルゴリズムを提案し,MHEALの包括的な理論的保証を提供する。
論文参考訳（メタデータ） (2022-06-30T11:39:12Z)
Self-supervised machine learning model for analysis of nanowire morphologies from transmission electron microscopy images [0.0]
本稿では,少数のラベル付き顕微鏡画像を用いた自己教師ありトランスファー学習手法を提案する。具体的には、ラベルのない画像で画像エンコーダを訓練し、そのエンコーダを用いて異なる下流画像タスクの変換学習を行う。
論文参考訳（メタデータ） (2022-03-25T19:32:03Z)
Generation of microbial colonies dataset with deep learning style transfer [0.0]
深層学習モデルの学習に使用できるペトリ料理の微生物学的画像の合成データセットを作成するための戦略を導入する。本手法は, 5種類の微生物の局在, セグメンテーション, 分類が可能なニューラルネットワークモデルのトレーニングに使用できる, リアルな画像のデータセットを合成できることを示す。
論文参考訳（メタデータ） (2021-11-06T03:11:01Z)
Understanding the World Through Action [91.3755431537592]
ラベルのないデータを利用するための汎用的で原則的で強力なフレームワークは、強化学習から導き出すことができると私は主張する。このような手順が、下流の潜在的なタスクとどのように密接に一致しているかについて論じます。
論文参考訳（メタデータ） (2021-10-24T22:33:52Z)
Combining Feature and Instance Attribution to Detect Artifacts [62.63504976810927]
トレーニングデータアーティファクトの識別を容易にする手法を提案する。提案手法は,トレーニングデータのアーティファクトの発見に有効であることを示す。我々は,これらの手法が実際にNLP研究者にとって有用かどうかを評価するために,小規模なユーザスタディを実施している。
論文参考訳（メタデータ） (2021-07-01T09:26:13Z)
Curriculum Learning: A Survey [65.31516318260759]
カリキュラム学習戦略は、機械学習のあらゆる分野で成功している。我々は,様々な分類基準を考慮して,カリキュラム学習アプローチの分類を手作業で構築する。集約型クラスタリングアルゴリズムを用いて,カリキュラム学習手法の階層木を構築する。
論文参考訳（メタデータ） (2021-01-25T20:08:32Z)
Latent Feature Representation via Unsupervised Learning for Pattern Discovery in Massive Electron Microscopy Image Volumes [4.278591555984395]
特に,データセットにおける意味的類似性を捉える潜在表現を学ぶための教師なしのディープラーニングアプローチを提案する。動物脳の比較的小さな部分でもテラバイトの画像を要求できるナノスケールの電子顕微鏡データに適用する手法の有用性を実証する。
論文参考訳（メタデータ） (2020-12-22T17:14:19Z)
Towards an Automatic Analysis of CHO-K1 Suspension Growth in Microfluidic Single-cell Cultivation [63.94623495501023]
我々は、人間の力で抽象化されたニューラルネットワークをデータレベルで注入できる新しい機械学習アーキテクチャを提案する。具体的には、自然データと合成データに基づいて生成モデルを同時に訓練し、細胞数などの対象変数を確実に推定できる共有表現を学習する。
論文参考訳（メタデータ） (2020-10-20T08:36:51Z)

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。