論文の概要: Segmentation overlapping wear particles with few labelled data and
imbalance sample
- arxiv url: http://arxiv.org/abs/2011.10313v1
- Date: Fri, 20 Nov 2020 10:04:16 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-23 06:08:15.848224
- Title: Segmentation overlapping wear particles with few labelled data and
imbalance sample
- Title（参考訳）: ラベル付きデータと不均衡サンプルの少ない摩耗粒子のセグメンテーションオーバーラップ
- Authors: Peng Peng and Jiugen Wang
- Abstract要約: 本研究は,重なり合ったデブリ鎖を分割するために,重なり合う摩耗粒子分割網(OWPSNet)を提案する。
提案したディープラーニングモデルには,領域分割ネットワーク,エッジ検出ネットワーク,機能改良モジュールの3つの部分が含まれている。
サンプル不均衡の問題を解決するために,モデル最適化のための正方形ダイス損失関数を提案した。
- 参考スコア（独自算出の注目度）: 3.2140078199568776
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Ferrograph image segmentation is of significance for obtaining features of
wear particles. However, wear particles are usually overlapped in the form of
debris chains, which makes challenges to segment wear debris. An overlapping
wear particle segmentation network (OWPSNet) is proposed in this study to
segment the overlapped debris chains. The proposed deep learning model includes
three parts: a region segmentation network, an edge detection network and a
feature refine module. The region segmentation network is an improved U shape
network, and it is applied to separate the wear debris form background of
ferrograph image. The edge detection network is used to detect the edges of
wear particles. Then, the feature refine module combines low-level features and
high-level semantic features to obtain the final results. In order to solve the
problem of sample imbalance, we proposed a square dice loss function to
optimize the model. Finally, extensive experiments have been carried out on a
ferrograph image dataset. Results show that the proposed model is capable of
separating overlapping wear particles. Moreover, the proposed square dice loss
function can improve the segmentation results, especially for the segmentation
results of wear particle edge.
- Abstract（参考訳）: フェログラフ画像分割は摩耗粒子の特徴を得るために重要である。
しかしながら、摩耗粒子は通常、デブリ連鎖の形で重なり合い、摩耗デブリのセグメント化が困難になる。
本研究では, 重ね合わせ粒子鎖を分割するために, オーバーラップ摩耗粒子分割ネットワーク (owpsnet) を提案する。
提案したディープラーニングモデルには,領域分割ネットワーク,エッジ検出ネットワーク,機能改良モジュールの3つの部分が含まれている。
領域分割網は改良されたU字形ネットワークであり、フェログラフ画像の摩耗破片形成背景を分離するために適用される。
エッジ検出ネットワークは、摩耗粒子のエッジを検出するために使用される。
次に,機能改善モジュールは,低レベル機能と高レベルセマンティック機能を組み合わせて最終結果を得る。
サンプル不均衡の問題を解決するために,モデル最適化のための正方形ダイス損失関数を提案した。
最後に、フェログラフ画像データセットで広範な実験が行われた。
その結果,提案モデルでは重なり合う摩耗粒子を分離できることがわかった。
さらに,提案する正方形ダイス損失関数は,特に摩耗粒子エッジのセグメンテーション結果に対して,セグメンテーション結果を改善することができる。
関連論文リスト
- The Crystal Ball Hypothesis in diffusion models: Anticipating object positions from initial noise [92.53724347718173]
拡散モデルはテキスト・画像生成タスクにおいて顕著な成功を収めた。
我々は、初期ノイズ画像内の特定の領域をトリガーパッチと呼び、結果として発生する画像のオブジェクト生成に重要な役割を果たす。
論文 参考訳（メタデータ） (2024-06-04T05:06:00Z) - PairingNet: A Learning-based Pair-searching and -matching Network for
Image Fragments [6.694162736590122]
本稿では,難解な修復問題を解決するために,学習に基づくイメージフラグメントのペア探索とマッチング手法を提案する。
提案するネットワークは,ペア探索の精度に優れ,マッチングエラーを低減し,計算時間を大幅に短縮する。
論文 参考訳（メタデータ） (2023-12-14T07:43:53Z) - Hodge-Aware Contrastive Learning [101.56637264703058]
単純コンプレックスは、マルチウェイ依存によるデータのモデリングに有効である。
我々は、単純なデータを処理するための対照的な自己教師付き学習手法を開発した。
論文 参考訳（メタデータ） (2023-09-14T00:40:07Z) - DTU-Net: Learning Topological Similarity for Curvilinear Structure
Segmentation [2.9398911304923447]
本稿では,2つの重み付きU-Netからなる2重デコーダとトポロジ対応ディープニューラルネットワークDTU-Netを提案する。
テクスチャネットは、画像テクスチャ情報を用いて粗い予測を行う。
トポロジネットは、誤りとミスの分割を認識するために訓練された三重項損失を用いることで、粗い予測からトポロジ情報を学習する。
論文 参考訳（メタデータ） (2022-05-23T08:15:26Z) - PUFA-GAN: A Frequency-Aware Generative Adversarial Network for 3D Point
Cloud Upsampling [56.463507980857216]
本稿では,点群アップサンプリングのための生成的対向ネットワークを提案する。
基底表面に均等に分布するアップサンプリングポイントを作成できるだけでなく、クリーンな高周波領域を効率的に生成することができる。
論文 参考訳（メタデータ） (2022-03-02T07:47:46Z) - Disentangle Saliency Detection into Cascaded Detail Modeling and Body
Filling [68.73040261040539]
本稿では,サリエンシ検出タスクを2つのサブタスク,すなわち詳細モデリングとボディフィリングに分解することを提案する。
具体的には、詳細モデリングは、明示的に分解された詳細ラベルの監督によってオブジェクトエッジをキャプチャすることに焦点を当てる。
ボディフィリングは、ディテールマップに充填されるボディ部分を学び、より正確なサリエンシマップを生成する。
論文 参考訳（メタデータ） (2022-02-08T19:33:02Z) - PSGR: Pixel-wise Sparse Graph Reasoning for COVID-19 Pneumonia
Segmentation in CT Images [83.26057031236965]
画像中の新型コロナウイルス感染領域セグメンテーションの長距離依存性のモデリングを強化するために,PSGRモジュールを提案する。
PSGRモジュールは不正確なピクセルからノードへの投影を回避し、グローバルな推論のために各ピクセル固有の情報を保存する。
このソリューションは、3つの公開データセット上の4つの広く使われているセグメンテーションモデルに対して評価されている。
論文 参考訳（メタデータ） (2021-08-09T04:58:23Z) - Non-Salient Region Object Mining for Weakly Supervised Semantic
Segmentation [64.2719590819468]
弱教師付きセマンティックセグメンテーションのための非塩分領域オブジェクトマイニング手法を提案する。
擬似ラベルの偽陰性率を低減するために、潜在的なオブジェクトマイニングモジュールを提案する。
非サリエント領域マスキングモジュールは、非サリエント領域内のオブジェクトをさらに発見するのに役立ちます。
論文 参考訳（メタデータ） (2021-03-26T16:44:03Z) - Spectral Analysis for Semantic Segmentation with Applications on Feature
Truncation and Weak Annotation [19.967870811543737]
U-NetのようなSSNNの精度とトレーニングコストの顕著なバランスが存在する。
本稿では,ダウンサンプルグリッドの分解能,損失関数,SSNNの精度の相関関係をスペクトル解析により解析する。
論文 参考訳（メタデータ） (2020-12-28T07:18:25Z) - Ferrograph image classification [3.2140078199568776]
フェログラフ画像を小さなデータセットと様々な種類の摩耗粒子で識別することは困難である。
これらの課題に対処する新しいモデルが提案されている。
実験結果から,提案モデルでは2つのデータセットの精度をそれぞれ9%,20%向上できることがわかった。
論文 参考訳（メタデータ） (2020-10-14T02:19:32Z) - Machine Learning Pipeline for Segmentation and Defect Identification
from High Resolution Transmission Electron Microscopy Data [0.0]
我々は高分解能電子顕微鏡データ解析のための柔軟な2ステップパイプラインを実証した。
トレーニングしたU-Netは、Dice係数0.8の非晶質背景からナノ粒子を分離することができる。
すると、ナノ粒子が86%の精度で可視積層断層を含むかどうかを分類できる。
論文 参考訳（メタデータ） (2020-01-14T19:49:30Z)
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。