論文の概要: On Mathews Correlation Coefficient and Improved Distance Map Loss for Automatic Glacier Calving Front Segmentation in SAR Imagery

• arxiv url: http://arxiv.org/abs/2102.08312v1
• Date: Tue, 16 Feb 2021 17:53:34 GMT
• ステータス: 処理完了
• システム内更新日: 2021-02-18 12:33:08.465618
• Title: On Mathews Correlation Coefficient and Improved Distance Map Loss for Automatic Glacier Calving Front Segmentation in SAR Imagery
• Title（参考訳）: SAR画像における自動氷河養生フロントセグメンテーションのためのマシュー相関係数と距離マップ損失の改善について
• Authors: Amirabbas Davari, Saahil Islam, Thorsten Seehaus, Matthias Braun, Andreas Maier, Vincent Christlein
• Abstract要約: アウトレット氷河や極地氷床の氷流の大部分は海に終止符を打っている。 過去数十年間、氷河の海への転覆による氷の質量損失は増加している。 ディープニューラルネットワークベースのセマンティックセグメンテーションパイプラインを使用して、取得したSARイメージを記述することができる。
• 参考スコア（独自算出の注目度）: 7.64750171496838
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The vast majority of the outlet glaciers and ice streams of the polar ice sheets end in the ocean. Ice mass loss via calving of the glaciers into the ocean has increased over the last few decades. Information on the temporal variability of the calving front position provides fundamental information on the state of the glacier and ice stream, which can be exploited as calibration and validation data to enhance ice dynamics modeling. To identify the calving front position automatically, deep neural network-based semantic segmentation pipelines can be used to delineate the acquired SAR imagery. However, the extreme class imbalance is highly challenging for the accurate calving front segmentation in these images. Therefore, we propose the use of the Mathews correlation coefficient (MCC) as an early stopping criterion because of its symmetrical properties and its invariance towards class imbalance. Moreover, we propose an improvement to the distance map-based binary cross-entropy (BCE) loss function. The distance map adds context to the loss function about the important regions for segmentation and helps accounting for the imbalanced data. Using Mathews correlation coefficient as early stopping demonstrates an average 15% dice coefficient improvement compared to the commonly used BCE. The modified distance map loss further improves the segmentation performance by another 2%. These results are encouraging as they support the effectiveness of the proposed methods for segmentation problems suffering from extreme class imbalances.
• Abstract（参考訳）: 出口の氷河や極地氷床の氷の流れの大部分は海に終止符を打つ。 過去数十年間、氷河の海への転覆による氷の質量損失は増加している。 計算前位置の時間的変動に関する情報は、氷河と氷流の状態に関する基本的な情報を提供し、氷のダイナミクスモデリングを強化するためのキャリブレーションおよび検証データとして利用することができる。 計算前位置を自動的に識別するために、ディープニューラルネットワークベースのセマンティックセグメンテーションパイプラインを使用して、取得したSARイメージを記述することができる。 しかし,これらの画像における高精度なカルビングフロントセグメンテーションでは,極端なクラス不均衡が極めて困難である。 そこで本研究では,Mathews相関係数(MCC)を,その対称特性とクラス不均衡に対する不変性から早期停止基準として用いることを提案する。 さらに,距離マップに基づくバイナリクロスエントロピー(BCE)損失関数の改良を提案する。 距離マップは、セグメント化のための重要な領域に関する損失関数にコンテキストを追加し、不均衡データの会計を助けます。 マシューズ相関係数を早期停止として用いると、一般的に使用されるBCEと比較して平均15%のダイス係数の改善が示される。 修正された距離マップ損失により、セグメンテーション性能がさらに2%向上する。 これらの結果は,極度のクラス不均衡に苦しむセグメンテーション問題に対する提案手法の有効性を裏付けるものである。

関連論文リスト

• Understanding Warmup-Stable-Decay Learning Rates: A River Valley Loss Landscape Perspective [66.80315289020487]
  Warmup-Stable-Decay (WSD) スケジュールは、一定の学習率を使用して、所定の計算予算なしで無限に継続できるイテレーションのメインブランチを生成する。 プレトレーニング損失は,河底に川がある深い谷に類似した河谷景観を呈することを示す。 この理論にインスパイアされたWSD-Sは、従来のチェックポイントの崩壊フェーズを再利用し、メインブランチを1つだけ保持するWSDの変種である。
  論文  参考訳（メタデータ） (2024-10-07T16:49:39Z)
• Comparison of Cross-Entropy, Dice, and Focal Loss for Sea Ice Type Segmentation [1.4364491422470593]
  我々は,3つの損失関数がセンチネル-1画像における支配的な氷のタイプを予測するために訓練されたCNNモデルの性能にどう影響するかを示す。 Dice と Focal の損失がより高いメトリクスを生み出すという事実にもかかわらず、クロスエントロピーの結果は一般により物理的に一貫性があるように見える。
  論文  参考訳（メタデータ） (2023-10-26T04:18:00Z)
• Learning Partial Correlation based Deep Visual Representation for Image Classification [61.0532370259644]
  CNNの新たな構造層としてスパース逆共分散推定(SICE)を定式化する。 本研究は,部分的相関に基づく深部視覚表現を求め,小さなサンプル問題を緩和する。 実験により,本モデルの有効性と優れた分類性能が示された。
  論文  参考訳（メタデータ） (2023-04-23T10:09:01Z)
• Dataset Distillation with Convexified Implicit Gradients [69.16247946639233]
  メタ段階更新の計算に暗黙の勾配を効果的に利用できるかを示す。 さらに,凍結した有限幅ニューラルネットワーク上での学習に対応する凸近似をアルゴリズムに装備する。
  論文  参考訳（メタデータ） (2023-02-13T23:53:16Z)
• AMD-HookNet for Glacier Front Segmentation [17.60067480799222]
  氷河の開削前位置の変化に関する知識は 氷河の状態を評価する上で重要です 深層学習に基づく手法は、光学衛星画像やレーダー衛星画像から氷河の前部線を削る大きな可能性を示している。 本研究では,新しい氷河養生フロントセグメンテーションフレームワークであるAttention-Multi-hooking-Deep-supervision HookNetを提案する。
  論文  参考訳（メタデータ） (2023-02-06T12:39:40Z)
• SGCN:Sparse Graph Convolution Network for Pedestrian Trajectory Prediction [64.16212996247943]
  歩行者軌道予測のためのスパースグラフ畳み込みネットワーク(SGCN)を提案する。 具体的には、SGCNはスパース指向の相互作用をスパース指向の空間グラフと明確にモデル化し、適応的な相互作用歩行者を捉える。 可視化は,歩行者の適応的相互作用とその運動特性を捉えることができることを示す。
  論文  参考訳（メタデータ） (2021-04-04T03:17:42Z)
• Pixel-wise Distance Regression for Glacier Calving Front Detection and Segmentation [7.64750171496838]
  氷河の進化と現状をモニタリングするための深層学習手法が研究されている。 本研究では,セグメンテーション問題を画素方向回帰タスクに再構成することにより,カルビングフロントクラスと非カルビングフロントクラスとの間のクラス不均衡を軽減することを提案する。 畳み込みニューラルネットワークは、画像の各画素に対する氷河面の距離値を予測するために最適化される。
  論文  参考訳（メタデータ） (2021-03-09T20:58:33Z)
• Bayesian U-Net for Segmenting Glaciers in SAR Imagery [7.960675807187592]
  不確実性を計算し,新しい二段階プロセスとして不確実性最適化手法として用いることを提案する。 ネットワークへの不確実性マップの供給は95.24%のdice類似性をもたらす。 これは、最先端の決定論的U-Netベースの氷河セグメンテーションパイプラインと比較して、全体的なセグメンテーション性能の改善である。
  論文  参考訳（メタデータ） (2021-01-08T23:17:49Z)
• Glacier Calving Front Segmentation Using Attention U-Net [7.64750171496838]
  Intention U-Net を用いて,SAR 画像から氷河養生前線をエンドツーエンドに分割する手法を提案する。 最先端のU-Netネットワークに注意モジュールを追加することで、注意マップを抽出して学習プロセスを分析できます。 提案する注意点u-netは標準のu-netと同等に動作し,ネットワークがより集中するように学習した領域に対するさらなる洞察を提供する。
  論文  参考訳（メタデータ） (2021-01-08T23:06:21Z)
• An Uncertainty-Driven GCN Refinement Strategy for Organ Segmentation [53.425900196763756]
  本研究では,不確実性解析とグラフ畳み込みネットワークに基づくセグメンテーション改善手法を提案する。 半教師付きグラフ学習問題を定式化するために、特定の入力ボリュームにおける畳み込みネットワークの不確実性レベルを用いる。 本手法は膵臓で1%,脾臓で2%向上し,最先端のCRF改善法よりも優れていた。
  論文  参考訳（メタデータ） (2020-12-06T18:55:07Z)
• The Break-Even Point on Optimization Trajectories of Deep Neural Networks [64.7563588124004]
  この軌道上の「破滅的な」点の存在を論じる。 トレーニングの初期段階での大きな学習率を用いることで、勾配のばらつきが軽減されることを示す。 また, バッチ正規化層を有するニューラルネットワークにおいても, 低学習率を用いることで損失面の条件が悪くなることを示す。
  論文  参考訳（メタデータ） (2020-02-21T22:55:51Z)

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。

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。