Fugu-MT 論文翻訳(概要): Histo-fetch -- On-the-fly processing of gigapixel whole slide images simplifies and speeds neural network training

論文の概要: Histo-fetch -- On-the-fly processing of gigapixel whole slide images simplifies and speeds neural network training

arxiv url: http://arxiv.org/abs/2102.11433v1
Date: Tue, 23 Feb 2021 00:40:26 GMT
ステータス: 処理完了
システム内更新日: 2021-02-25 05:59:21.272987
Title: Histo-fetch -- On-the-fly processing of gigapixel whole slide images simplifies and speeds neural network training
Title（参考訳）: histo-fetch -- ギガピクセル全体のスライド画像のオンザフライ処理がニューラルネットワークトレーニングを単純化し、高速化する
Authors: Brendon Lutnick, Leema Krishna Murali, Brandon Ginley, and Pinaki Sarder
Abstract要約: We create a custom pipeline (histo-fetch) to improve random patch and labels from pathology whole slide image (WSIs) ネットワークトレーニング中に必要に応じてこれらのパッチをプリフェッチし、切り欠き/切り欠きの必要性を回避します。本稿では,一般的なネットワークCycleGANとProGANを用いて,人工的な染料転送と画像生成を行うパイプラインの有用性を実証する。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We created a custom pipeline (histo-fetch) to efficiently extract random patches and labels from pathology whole slide images (WSIs) for input to a neural network on-the-fly. We prefetch these patches as needed during network training, avoiding the need for WSI preparation such as chopping/tiling. We demonstrate the utility of this pipeline to perform artificial stain transfer and image generation using the popular networks CycleGAN and ProGAN, respectively.
Abstract（参考訳）: ニューラルネットワークへの入力を行うために,病理全体スライド画像(wsis)からランダムパッチやラベルを効率的に抽出するカスタムパイプライン(histo-fetch)を開発した。我々は、ネットワークトレーニング中に必要に応じてこれらのパッチをプリフェッチし、切り欠きや切り欠きなどのwsi準備の必要性を回避した。本稿では,一般的なネットワークCycleGANとProGANを用いて,人工的な染料転送と画像生成を行うパイプラインの有用性を実証する。

関連論文リスト

UAVs and Neural Networks for search and rescue missions [0.0]
無人航空機(UAV)が捉えた空中画像において,車,人,火などの興味の対象を検出する方法を提案する。これを実現するために,ニューラルネットワークを用いて教師あり学習のためのデータセットを作成する。
論文参考訳（メタデータ） (2023-10-09T08:27:35Z)
Deep Multi-Threshold Spiking-UNet for Image Processing [51.88730892920031]
本稿では,SNN(Spike Neural Networks)とU-Netアーキテクチャを組み合わせた,画像処理のためのスパイキング-UNetの概念を紹介する。効率的なスパイキング-UNetを実現するためには,スパイクによる高忠実度情報伝播の確保と,効果的なトレーニング戦略の策定という2つの課題に直面する。実験の結果,画像のセグメンテーションとデノイングにおいて,スパイキングUNetは非スパイキングと同等の性能を発揮することがわかった。
論文参考訳（メタデータ） (2023-07-20T16:00:19Z)
Increasing the Accuracy of a Neural Network Using Frequency Selective Mesh-to-Grid Resampling [4.211128681972148]
ニューラルネットワークの入力データの処理にFSMR(Keypoint frequency selective mesh-to-grid resampling)を提案する。ネットワークアーキテクチャや分類タスクによって、トレーニング中のFSMRの適用は学習プロセスに役立ちます。 ResNet50とOxflower17データセットの分類精度は最大4.31ポイント向上できる。
論文参考訳（メタデータ） (2022-09-28T21:34:47Z)
Exploring Structural Sparsity in Neural Image Compression [14.106763725475469]
本稿では,各コンボリューションチャネルの重要性を判定し,トレーニング中に空間性を導入するために,ABCM(プラグイン適応型バイナリチャネルマスキング)を提案する。推論中、重要でないチャネルをプルーニングしてスリムネットワークを得る。実験の結果,最大7倍の計算削減と3倍の加速は無視可能な性能低下で達成できることがわかった。
論文参考訳（メタデータ） (2022-02-09T17:46:49Z)
Corrupted Image Modeling for Self-Supervised Visual Pre-Training [103.99311611776697]
自己教師型視覚前訓練のためのCIM(Corrupted Image Modeling)を提案する。 CIMは、小さなトレーニング可能なBEiTを備えた補助発電機を使用して、人工マスクトークンを使用する代わりに入力イメージを破損させる。事前トレーニング後、エンハンサーは下流タスク用の高容量ビジュアルエンコーダとして使用できる。
論文参考訳（メタデータ） (2022-02-07T17:59:04Z)
Transformer-based SAR Image Despeckling [53.99620005035804]
本稿では,SAR画像復号化のためのトランスフォーマーネットワークを提案する。提案する非特定ネットワークは、トランスフォーマーベースのエンコーダにより、異なる画像領域間のグローバルな依存関係を学習することができる。実験により,提案手法は従来型および畳み込み型ニューラルネットワークに基づく解法よりも大幅に改善されていることが示された。
論文参考訳（メタデータ） (2022-01-23T20:09:01Z)
Weakly-supervised fire segmentation by visualizing intermediate CNN layers [82.75113406937194]
画像やビデオにおける火の局所化は、火災事故に対処するための自律システムにとって重要なステップである。我々は,ネットワークのトレーニングに画像ラベルのみを使用する,画像中の火の弱い制御セグメント化について検討する。 CNNの中間層における特徴量の平均値は,2値セグメンテーション問題である火災セグメンテーションの場合,従来のクラスアクティベーションマッピング(CAM)法よりも優れていることを示す。
論文参考訳（メタデータ） (2021-11-16T11:56:28Z)
HistoTransfer: Understanding Transfer Learning for Histopathology [9.231495418218813]
我々は、ImageNetと病理組織データに基づいてトレーニングされたネットワークから抽出された特徴の性能を比較した。より複雑なネットワークを用いて学習した機能が性能向上につながるかどうかを検討する。
論文参考訳（メタデータ） (2021-06-13T18:55:23Z)
Generative networks as inverse problems with fractional wavelet scattering networks [12.008247352154449]
Generative Adversarial Networks (GANs) と Variational Auto-Encoders (VAEs) は、ガウスホワイトノイズによる印象的な画像生成を提供する。 GANとVAEは、ジェネレータ(またはエンコーダ)とディスクリミネータ(またはデコーダ)を同時に訓練する必要があるため、トレーニングが難しい。本稿では、より表現力のある分数ウェーブレット散乱ネットワーク(FrScatNets)をエンコーダとして使用するGFRSN(Generative Fractional Scattering Networks)を提案する。
論文参考訳（メタデータ） (2020-07-28T12:58:15Z)
Network Adjustment: Channel Search Guided by FLOPs Utilization Ratio [101.84651388520584]
本稿では,ネットワークの精度をFLOPの関数として考慮した,ネットワーク調整という新しいフレームワークを提案する。標準画像分類データセットと幅広いベースネットワークの実験は、我々のアプローチの有効性を実証している。
論文参考訳（メタデータ） (2020-04-06T15:51:00Z)
Curriculum By Smoothing [52.08553521577014]
畳み込みニューラルネットワーク(CNN)は、画像分類、検出、セグメンテーションなどのコンピュータビジョンタスクにおいて顕著な性能を示している。アンチエイリアスフィルタやローパスフィルタを用いてCNNの機能埋め込みを円滑化するエレガントなカリキュラムベースのスキームを提案する。トレーニング中に特徴マップ内の情報量が増加するにつれて、ネットワークはデータのより優れた表現を徐々に学習することができる。
論文参考訳（メタデータ） (2020-03-03T07:27:44Z)

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。