論文の概要: Convolution Neural Networks for Semantic Segmentation: Application to Small Datasets of Biomedical Images

• arxiv url: http://arxiv.org/abs/2011.01747v1
• Date: Sun, 1 Nov 2020 19:09:12 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-30 23:56:46.037111
• Title: Convolution Neural Networks for Semantic Segmentation: Application to Small Datasets of Biomedical Images
• Title（参考訳）: セマンティックセグメンテーションのための畳み込みニューラルネットワーク:生体画像の小さなデータセットへの応用
• Authors: Vitaly Nikolaev
• Abstract要約: この論文は、小さなバイオメディカルデータセットに適用した場合、畳み込みニューラルネットワーク(CNN)によって生成されたセグメンテーション結果が互いにどう異なるかを研究する。 2つのワーキングデータセットは、生物医学的な研究領域から来ている。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This thesis studies how the segmentation results, produced by convolutional neural networks (CNN), is different from each other when applied to small biomedical datasets. We use different architectures, parameters and hyper-parameters, trying to find out the better configurations for our task, and trying to find out underlying regularities. Two working datasets are from biomedical area of research. We conducted a lot of experiments with the two types of networks and the received results have shown the preference of some conditions of experiments and parameters of the networks over the others. All testing results are given in the tables and some selected resulting graphs and segmentation predictions are shown for better illustration.
• Abstract（参考訳）: この論文は、小さなバイオメディカルデータセットに適用した場合、畳み込みニューラルネットワーク(CNN)によって生成されたセグメンテーション結果が互いにどう異なるかを研究する。 私たちは異なるアーキテクチャ、パラメータ、ハイパーパラメータを使い、タスクのより良い設定を見つけようとし、基礎となる規則を見つけようとしています。 2つの作業データセットは、生物医学的な研究分野からのものです。 我々は,2種類のネットワークについて多くの実験を行い,受信した結果は,ネットワークの条件やパラメータが他のネットワークよりも好まれることを示した。 すべてのテスト結果は表に示され、選択された結果のグラフとセグメンテーション予測がよりよく示される。

関連論文リスト

• MDFI-Net: Multiscale Differential Feature Interaction Network for Accurate Retinal Vessel Segmentation [3.152646316470194]
  本稿では,MDFI-Net という DPCN に基づく機能拡張型インタラクションネットワークを提案する。 提案したMDFI-Netは,公開データセットの最先端手法よりもセグメンテーション性能が優れている。
  論文  参考訳（メタデータ） (2024-10-20T16:42:22Z)
• Perspectives: Comparison of Deep Learning Segmentation Models on Biophysical and Biomedical Data [0.0]
  畳み込みニューラルネットワーク、U-Net、ビジョントランスフォーマー、ビジョン状態空間モデルを比較した。 そこで我々は,各モデルが排他的である最適条件を決定するための基準を確立する。
  論文  参考訳（メタデータ） (2024-08-14T19:49:19Z)
• Effective Subset Selection Through The Lens of Neural Network Pruning [31.43307762723943]
  注釈付きデータを賢明に選択することが重要であり、これは部分集合選択問題として知られている。 より広範に研究されているサブセット選択とニューラルネットワークプルーニングの関係について検討する。 ニューラルネットワークの特徴のノルム基準を利用して、サブセット選択法を改善することを提案する。
  論文  参考訳（メタデータ） (2024-06-03T08:12:32Z)
• Multilayer Multiset Neuronal Networks -- MMNNs [55.2480439325792]
  本研究は,2層以上の類似性ニューロンを組み込んだ多層神経回路網について述べる。 また,回避すべき画像領域に割り当てられる反プロトタイプ点の利用についても検討した。
  論文  参考訳（メタデータ） (2023-08-28T12:55:13Z)
• Revisiting the Evaluation of Image Synthesis with GANs [55.72247435112475]
  本研究では, 合成性能の評価に関する実証的研究を行い, 生成モデルの代表としてGAN(Generative Adversarial Network)を用いた。 特に、表現空間におけるデータポイントの表現方法、選択したサンプルを用いた公平距離の計算方法、各集合から使用可能なインスタンス数など、さまざまな要素の詳細な分析を行う。
  論文  参考訳（メタデータ） (2023-04-04T17:54:32Z)
• Weight Predictor Network with Feature Selection for Small Sample Tabular Biomedical Data [7.923088041693465]
  本研究では,高次元および小型サンプルデータからニューラルネットワークを学習するための特徴選択付き重み予測器ネットワークを提案する。 実世界の9つのバイオメディカルデータセットを評価し、WPFSが他の標準や最近の手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2022-11-28T18:17:10Z)
• Dive into Layers: Neural Network Capacity Bounding using Algebraic Geometry [55.57953219617467]
  ニューラルネットワークの学習性はそのサイズと直接関連していることを示す。 入力データとニューラルネットワークのトポロジ的幾何学的複雑さを測定するためにベッチ数を用いる。 実世界のデータセットMNISTで実験を行い、分析結果と結論を検証した。
  論文  参考訳（メタデータ） (2021-09-03T11:45:51Z)
• When are Deep Networks really better than Random Forests at small sample sizes? [2.5556070792288934]
  ランダム・フォレスト(RF)とディープ・ネットワーク(DN)は、現在の科学文献で最も人気のある機械学習手法である。 それぞれのアプローチが優れている条件と領域をさらに探求し、確立したいと考えています。 私たちの焦点は、少なくとも1万のサンプルを持つデータセットに焦点を当てています。
  論文  参考訳（メタデータ） (2021-08-31T06:33:17Z)
• Deep Representational Similarity Learning for analyzing neural signatures in task-based fMRI dataset [81.02949933048332]
  本稿では、表現類似度分析(RSA)の深部拡張であるDRSL(Deep Representational similarity Learning)を開発する。 DRSLは、多数の被験者を持つfMRIデータセットにおける様々な認知タスク間の類似性を分析するのに適している。
  論文  参考訳（メタデータ） (2020-09-28T18:30:14Z)
• Analyzing Neural Networks Based on Random Graphs [77.34726150561087]
  様々なタイプのランダムグラフに対応するアーキテクチャを用いて,ニューラルネットワークの大規模評価を行う。 古典的な数値グラフ不変量は、それ自体が最良のネットワークを選び出すことができない。 また、主に短距離接続を持つネットワークは、多くの長距離接続が可能なネットワークよりも性能が良いことも見出した。
  論文  参考訳（メタデータ） (2020-02-19T11:04:49Z)
• MS-Net: Multi-Site Network for Improving Prostate Segmentation with Heterogeneous MRI Data [75.73881040581767]
  本稿では,ロバスト表現を学習し,前立腺のセグメンテーションを改善するための新しいマルチサイトネットワーク(MS-Net)を提案する。 当社のMS-Netは,すべてのデータセットのパフォーマンスを一貫して改善し,マルチサイト学習における最先端の手法よりも優れています。
  論文  参考訳（メタデータ） (2020-02-09T14:11:50Z)

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。