論文の概要: EMDS-5: Environmental Microorganism Image Dataset Fifth Version for
Multiple Image Analysis Tasks
- arxiv url: http://arxiv.org/abs/2102.10370v1
- Date: Sat, 20 Feb 2021 15:27:05 GMT
- ステータス: 処理完了
- システム内更新日: 2021-02-24 03:56:35.304485
- Title: EMDS-5: Environmental Microorganism Image Dataset Fifth Version for
Multiple Image Analysis Tasks
- Title（参考訳）: EMDS-5:複数画像解析タスクのための環境微生物画像データセット第5版
- Authors: Zihan Li, Chen Li, Yudong Yao, Jinghua Zhang, Md Mamunur Rahaman, Hao
Xu, Frank Kulwa, Bolin Lu, Xuemin Zhu, Tao Jiang
- Abstract要約: GTS-5データセットには21種類のEMがあり、それぞれが20個のオリジナルEMイメージ、20個のシングルオブジェクトGTイメージ、20個のマルチオブジェクトGTイメージを含んでいる。
s-5は、画像前処理、画像分割、特徴抽出、画像分類、画像検索機能を評価することができる。
- 参考スコア（独自算出の注目度）: 17.30000857725502
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Environmental Microorganism Data Set Fifth Version (EMDS-5) is a microscopic
image dataset including original Environmental Microorganism (EM) images and
two sets of Ground Truth (GT) images. The GT image sets include a single-object
GT image set and a multi-object GT image set. The EMDS-5 dataset has 21 types
of EMs, each of which contains 20 original EM images, 20 single-object GT
images and 20 multi-object GT images. EMDS-5 can realize to evaluate image
preprocessing, image segmentation, feature extraction, image classification and
image retrieval functions. In order to prove the effectiveness of EMDS-5, for
each function, we select the most representative algorithms and price
indicators for testing and evaluation. The image preprocessing functions
contain two parts: image denoising and image edge detection. Image denoising
uses nine kinds of filters to denoise 13 kinds of noises, respectively. In the
aspect of edge detection, six edge detection operators are used to detect the
edges of the images, and two evaluation indicators, peak-signal to noise ratio
and mean structural similarity, are used for evaluation. Image segmentation
includes single-object image segmentation and multi-object image segmentation.
Six methods are used for single-object image segmentation, while k-means and
U-net are used for multi-object segmentation.We extract nine features from the
images in EMDS-5 and use the Support Vector Machine classifier for testing. In
terms of image classification, we select the VGG16 feature to test different
classifiers. We test two types of retrieval approaches: texture feature
retrieval and deep learning feature retrieval. We select the last layer of
features of these two deep learning networks as feature vectors. We use mean
average precision as the evaluation index for retrieval.
- Abstract（参考訳）: 環境微生物データセット第5版(EMDS-5)は、オリジナルの環境微生物(EM)画像と2組の地上真実(GT)画像を含む顕微鏡画像データセットです。
GT画像セットは、単目的GT画像セットと多目的GT画像セットとを含む。
EMDS-5データセットには21種類のEMがあり、それぞれが20個のオリジナルEMイメージ、20個のシングルオブジェクトGTイメージ、20個のマルチオブジェクトGTイメージを含んでいる。
EMDS-5は、画像前処理、画像分割、特徴抽出、画像分類、画像検索機能を評価することができる。
emds-5の有効性を証明するために,各関数に対して最も代表的なアルゴリズムと価格指標を選択し,その評価を行った。
画像前処理関数は、画像デノイジングと画像エッジ検出の2つの部分を含む。
Image Denoisingは9種類のフィルタを使って、それぞれ13種類のノイズを識別する。
エッジ検出の面では、画像のエッジを検出するために6つのエッジ検出オペレータが使用され、ノイズ比と平均構造類似性に対するピーク信号の2つの評価指標が評価に使用されます。
画像セグメンテーションは、単目的画像セグメンテーションと多目的画像セグメンテーションを含む。
K平均とU-netは多目的セグメンテーションに使用され、EMDS-5の画像から9つの特徴を抽出し、Support Vector Machine分類器を用いてテストする。
画像分類に関して、異なる分類器をテストするためにVGG16機能を選択する。
テクスチャ特徴検索とディープラーニング特徴検索の2つのタイプの検索手法をテストする。
これら2つのディープラーニングネットワークの最終層を特徴ベクトルとして選択する。
検索評価指標として平均精度を用いた。
関連論文リスト
- Revisit Anything: Visual Place Recognition via Image Segment Retrieval [8.544326445217369]
既存の視覚的場所認識パイプラインは、"全体"イメージをエンコードし、マッチを検索する。
画像全体の代わりに「画像セグメント」をエンコードして検索することで、この問題に対処する。
これらの部分的表現を検索すると、通常の画像ベース検索よりも認識リコールが大幅に高くなることを示す。
論文 参考訳（メタデータ） (2024-09-26T16:49:58Z) - Beyond One-to-One: Rethinking the Referring Image Segmentation [117.53010476628029]
イメージセグメンテーションの参照は、自然言語表現によって参照される対象オブジェクトをセグメンテーションすることを目的としている。
2つのデコーダ分岐を含むDMMI(Dual Multi-Modal Interaction)ネットワークを提案する。
テキスト・ツー・イメージ・デコーダでは、テキストの埋め込みを利用して視覚的特徴を検索し、対応するターゲットをローカライズする。
一方、画像からテキストへのデコーダは、視覚的特徴に条件付けられた消去されたエンティティ・フレーズを再構成するために実装される。
論文 参考訳（メタデータ） (2023-08-26T11:39:22Z) - Improving Human-Object Interaction Detection via Virtual Image Learning [68.56682347374422]
人間-物体相互作用(Human-Object Interaction、HOI)は、人間と物体の相互作用を理解することを目的としている。
本稿では,仮想画像学習(Virtual Image Leaning, VIL)による不均衡分布の影響を軽減することを提案する。
ラベルからイメージへの新たなアプローチであるMultiple Steps Image Creation (MUSIC)が提案され、実際の画像と一貫した分布を持つ高品質なデータセットを作成する。
論文 参考訳（メタデータ） (2023-08-04T10:28:48Z) - TokenCut: Segmenting Objects in Images and Videos with Self-supervised
Transformer and Normalized Cut [9.609330588890632]
本稿では,自己教師型トランスフォーマーによって得られた特徴を利用して,画像やビデオ中の有能なオブジェクトを検出し,セグメント化するグラフベースのアルゴリズムについて述べる。
このアプローチの単純さにもかかわらず、いくつかの共通画像およびビデオ検出およびセグメンテーションタスクにおける最先端の結果を達成する。
論文 参考訳（メタデータ） (2022-09-01T11:52:26Z) - Occlusion-Aware Instance Segmentation via BiLayer Network Architectures [73.45922226843435]
本稿では,2層畳み込みネットワーク(BCNet)を提案する。このネットワークでは,トップ層がオブジェクト(オブオーバ)を検出し,ボトム層が部分的にオブオーバドされたインスタンス(オブオーバド)を推測する。
一般的な畳み込みネットワーク設計,すなわちFCN(Fully Convolutional Network)とGCN(Graph Convolutional Network)を用いた2層構造の有効性について検討する。
論文 参考訳（メタデータ） (2022-08-08T21:39:26Z) - Two-Stream Graph Convolutional Network for Intra-oral Scanner Image
Segmentation [133.02190910009384]
本稿では,2ストリームグラフ畳み込みネットワーク(TSGCN)を提案する。
TSGCNは3次元歯(表面)セグメンテーションにおいて最先端の方法よりも優れています。
論文 参考訳（メタデータ） (2022-04-19T10:41:09Z) - Self-supervised Image-specific Prototype Exploration for Weakly
Supervised Semantic Segmentation [72.33139350241044]
画像レベルのラベルをベースとしたWSSS(Weakly Supervised Semantic COCO)は,アノテーションコストの低さから注目されている。
本稿では,画像特異的なプロトタイプ探索 (IPE) と汎用一貫性 (GSC) の喪失からなる画像固有プロトタイプ探索 (SIPE) を提案する。
SIPEは,画像レベルラベルのみを用いて,最先端のパフォーマンスを実現する。
論文 参考訳（メタデータ） (2022-03-06T09:01:03Z) - Remote Sensing Image Super-resolution and Object Detection: Benchmark
and State of the Art [7.74389937337756]
本稿では、リモートセンシング画像の現在のデータセットとオブジェクト検出方法(深層学習に基づく)についてレビューする。
本稿では,大規模かつ一般公開なリモートセンシング超解像オブジェクト検出データセットを提案する。
また、画像超解像に基づく物体検出のベンチマークを行うために、Residual Feature aggregate (MCGR) と補助YOLOv5検出器を備えた新しいマルチクラスサイクル超解像対向ネットワークを提案する。
論文 参考訳（メタデータ） (2021-11-05T04:56:34Z) - Attention-Guided Supervised Contrastive Learning for Semantic
Segmentation [16.729068267453897]
画素ごとの予測タスクでは、セグメンテーションのために1つのイメージに複数のラベルが存在する可能性がある。
本研究では,1つの意味的対象を目標として毎回強調する,注意誘導型教師付きコントラスト学習手法を提案する。
論文 参考訳（メタデータ） (2021-06-03T05:01:11Z) - Image Manipulation Detection by Multi-View Multi-Scale Supervision [11.319080833880307]
画像操作検出の主な課題は、新しいデータの操作に敏感な一般化可能な特徴の学習方法である。
本稿では,多視点特徴学習とマルチスケール監視による両面の考察を行う。
我々の思考はMVSS-Netと呼ばれる新しいネットワークによって実現される。
論文 参考訳（メタデータ） (2021-04-14T13:05:58Z) - Prototype Mixture Models for Few-shot Semantic Segmentation [50.866870384596446]
サポートやクエリ画像内のオブジェクトが外観やポーズで大きく異なる可能性があるため、ショットのセグメンテーションは難しい。
プロトタイプベースセマンティック表現を強制するために,多種多様な画像領域と複数のプロトタイプとの相関関係を持つプロトタイプ混合モデル(PMMs)を提案する。
PMMはMS-COCOの5ショットセグメンテーション性能を最大5.82%改善し、モデルサイズと推論速度の適度なコストに留まった。
論文 参考訳（メタデータ） (2020-08-10T04:33:17Z)
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。