論文の概要: A Novel Bio-Inspired Texture Descriptor based on Biodiversity and Taxonomic Measures

• arxiv url: http://arxiv.org/abs/2102.06997v1
• Date: Sat, 13 Feb 2021 20:14:14 GMT
• ステータス: 処理完了
• システム内更新日: 2021-02-16 15:45:49.279479
• Title: A Novel Bio-Inspired Texture Descriptor based on Biodiversity and Taxonomic Measures
• Title（参考訳）: 生物多様性と分類学的尺度に基づく新しいバイオインスパイアテクスチャ記述器
• Authors: Steve Tsham Mpinda Ataky and Alessandro Lameiras Koerich
• Abstract要約: 種多様性と豊かさと分類学的特有性を通して、多様なパターンの複雑なシステムを定量化できる新しいアプローチを提案する。 提案手法は,各画像チャネルを種生態系とみなし,種多様性と豊かさの度合いを計算し,テクスチャを記述するための分類学的尺度である。
• 参考スコア（独自算出の注目度）: 81.08571247838206
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Texture can be defined as the change of image intensity that forms repetitive patterns, resulting from physical properties of the object's roughness or differences in a reflection on the surface. Considering that texture forms a complex system of patterns in a non-deterministic way, biodiversity concepts can help to its characterization. In this paper, we propose a novel approach capable of quantifying such a complex system of diverse patterns through species diversity and richness, and taxonomic distinctiveness. The proposed approach considers each image channel as a species ecosystem and computes species diversity and richness measures as well as taxonomic measures to describe the texture. The proposed approach takes advantage of the invariance characteristics of ecological patterns to build a permutation, rotation, and translation invariant descriptor. Experimental results on three datasets of natural texture images and two datasets of histopathological images have shown that the proposed texture descriptor has advantages over several texture descriptors and deep methods.
• Abstract（参考訳）: テクスチャは、物体の粗さや表面の反射の相違の物理的特性に起因する反復パターンを形成する画像強度の変化として定義することができます。 テクスチャが非決定論的に複雑なパターンのシステムを形成すると考えると、生物多様性の概念はその特徴付けに役立つ。 本論文では、多様性や豊かさ、分類学的特徴など、多様なパターンの複雑なシステムを定量化できる新しい手法を提案する。 提案手法は,各画像チャネルを種生態系とみなし,種多様性と豊かさの度合いを計算し,テクスチャを記述するための分類学的尺度である。 提案されたアプローチは、生態学的パターンの不変性特性を利用して、置換、回転、および翻訳不変記述子を構築する。 自然テクスチャ画像の3つのデータセットと病理組織画像の2つのデータセットの実験結果は,提案するテクスチャディスクリプタがいくつかのテクスチャディスクリプタや深い方法よりも優れていることを示した。

関連論文リスト

• Bayesian Unsupervised Disentanglement of Anatomy and Geometry for Deep Groupwise Image Registration [50.62725807357586]
  本稿では,マルチモーダル群画像登録のための一般ベイズ学習フレームワークを提案する。 本稿では,潜在変数の推論手順を実現するために,新しい階層的変分自動符号化アーキテクチャを提案する。 心臓、脳、腹部の医療画像から4つの異なるデータセットを含む,提案された枠組みを検証する実験を行った。
  論文  参考訳（メタデータ） (2024-01-04T08:46:39Z)
• DEPAS: De-novo Pathology Semantic Masks using a Generative Model [0.0]
  DEPASと呼ばれるスケーラブルな生成モデルを導入し、組織構造をキャプチャし、最先端の品質の高精細なセマンティックマスクを生成する。 我々は,DEPASが皮膚,前立腺,肺の3種類の臓器に対して,組織の現実的な意味マップを生成する能力を示した。
  論文  参考訳（メタデータ） (2023-02-13T16:48:33Z)
• Texture features in medical image analysis: a survey [0.0]
  テクスチャ、色、形状は、人間の視覚システムによって画像の内容を認識するために使用される3つの主要な構成要素である。 テクスチャ分析を医学的応用や病気の診断に用い、最先端の手法が生き残っている。 その結果, テクスチャの特徴は, 深部, 色, 形状などの異なる特徴セットを別々に, あるいは共同で組み合わせることで, 医用画像の分類において高い精度が期待できることがわかった。
  論文  参考訳（メタデータ） (2022-08-02T15:31:10Z)
• Multiscale Analysis for Improving Texture Classification [62.226224120400026]
  本稿では,テクスチャの異なる空間周波数帯域を別々に扱うために,ガウス・ラプラシアピラミッドを用いる。 バイオインスパイアされたテクスチャ記述子,情報理論測度,灰色レベルの共起行列特徴,ハリリック統計特徴から抽出した特徴を特徴ベクトルに集約した。
  論文  参考訳（メタデータ） (2022-04-21T01:32:22Z)
• A Semi-Supervised Classification Method of Apicomplexan Parasites and Host Cell Using Contrastive Learning Strategy [6.677163460963862]
  本稿では, 3種類のアピコプレキサン寄生虫と非感染宿主細胞顕微鏡像の半教師付き分類法を提案する。 少数のラベル付きデータと多数のラベルなしデータをトレーニングに使用します。 顕微鏡画像の1%しかラベル付けされていない場合、提案手法は一般化された試験セットで94.90%の精度に達する。
  論文  参考訳（メタデータ） (2021-04-14T02:34:50Z)
• Deep Multi-Resolution Dictionary Learning for Histopathology Image Analysis [1.503974529275767]
  組織画像における組織表現の問題を解くための深層辞書学習手法を提案する。 提案フレームワークは,既存のcnnsモデルの多くを活用して,効果的な深層テクスチャ記述子を生成することができる。
  論文  参考訳（メタデータ） (2021-04-01T17:58:18Z)
• Where to Look and How to Describe: Fashion Image Retrieval with an Attentional Heterogeneous Bilinear Network [50.19558726384559]
  画像に基づくファッション商品検索のための生物学的にインスパイアされたフレームワークを提案する。 提案フレームワークは,3つの画像に基づくファッション製品検索ベンチマークにおいて,満足な性能を実現する。
  論文  参考訳（メタデータ） (2020-10-26T06:01:09Z)
• 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)
• Image-to-Image Translation with Text Guidance [139.41321867508722]
  本研究の目的は,制御可能な因子,すなわち自然言語記述を生成的敵ネットワークを用いた画像から画像への変換に組み込むことである。 提案する4つのキーコンポーネントは,(1)非意味的単語をフィルタリングする部分音声タグの実装,(2) 異なるモダリティテキストと画像特徴を効果的に融合するアフィン結合モジュールの採用,(3) 識別器の差分能力と生成器の整形能力を高めるための改良された多段階アーキテクチャである。
  論文  参考訳（メタデータ） (2020-02-12T21:09:15Z)

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。