論文の概要: Pixel-wise Distance Regression for Glacier Calving Front Detection and
Segmentation
- arxiv url: http://arxiv.org/abs/2103.05715v1
- Date: Tue, 9 Mar 2021 20:58:33 GMT
- ステータス: 処理完了
- システム内更新日: 2021-03-12 15:18:20.313727
- Title: Pixel-wise Distance Regression for Glacier Calving Front Detection and
Segmentation
- Title(参考訳): 氷河のフロント検出とセグメンテーションのための画素間距離回帰
- Authors: Amirabbas Davari, Christoph Baller, Thorsten Seehaus, Matthias Braun,
Andreas Maier, Vincent Christlein
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 7.64750171496838
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Glacier calving front position (CFP) is an important glaciological variable.
Traditionally, delineating the CFPs has been carried out manually, which was
subjective, tedious and expensive. Automating this process is crucial for
continuously monitoring the evolution and status of glaciers. Recently, deep
learning approaches have been investigated for this application. However, the
current methods get challenged by a severe class-imbalance problem. In this
work, we propose to mitigate the class-imbalance between the calving front
class and the non-calving front class by reformulating the segmentation problem
into a pixel-wise regression task. A Convolutional Neural Network gets
optimized to predict the distance values to the glacier front for each pixel in
the image. The resulting distance map localizes the CFP and is further
post-processed to extract the calving front line. We propose three
post-processing methods, one method based on statistical thresholding, a second
method based on conditional random fields (CRF), and finally the use of a
second U-Net. The experimental results confirm that our approach significantly
outperforms the state-of-the-art methods and produces accurate delineation. The
Second U-Net obtains the best performance results, resulting in an average
improvement of about 21% dice coefficient enhancement.
- Abstract(参考訳): 氷河崩壊前位置 (CFP) は重要な氷河学的な変数である。
伝統的に、CFPの記述は手動で行われており、主観的で退屈で高価でした。
このプロセスの自動化は、氷河の進化と現状を継続的に監視するために重要である。
近年,本手法の深層学習への応用が検討されている。
しかし、現在のメソッドは厳しいクラスアンバランスの問題に直面する。
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。
得られた距離マップはCFPをローカライズし、さらに後処理して曲線の先頭線を抽出する。
本稿では,3つの後処理手法,統計しきい値に基づく1つの方法,条件付き乱数場(CRF)に基づく2番目の方法,そして最後に第2のU-Netを使用する方法を提案する。
実験の結果,本手法は最先端手法を著しく上回っており,正確なデライン化が得られていることがわかった。
第2のU-Netは最高の性能が得られるので、平均的な21%のダイス係数向上が得られる。
関連論文リスト
- Adaptive Guidance: Training-free Acceleration of Conditional Diffusion
Models [44.58960475893552]
適応誘導 (AG) は計算自由誘導 (CFG) の効率的な変種である
AGはCFGの画質を25%低下させながら保存する。
LinearAG" はベースラインモデルから逸脱するコストでさらに安価な推論を提供する。
論文 参考訳(メタデータ) (2023-12-19T17:08:48Z) - DC4L: Distribution Shift Recovery via Data-Driven Control for Deep Learning Models [4.374569172244273]
学習したモデルに対する制御を用いて、オンライン配信のシフトから回復することを提案する。
提案手法では, 学習セットにシフトしたデータを近づけるために, セマンティック保存変換のシーケンスを適用した。
本稿では,ImageNet-Cベンチマークからのシフトの合成に一般化し,平均精度を最大9.81%向上することを示す。
論文 参考訳(メタデータ) (2023-02-20T22:06:26Z) - Post-Processing Temporal Action Detection [134.26292288193298]
時間的行動検出(TAD)法は、通常、入力された可変長のビデオを固定長のスニペット表現シーケンスに変換する際に、前処理のステップを踏む。
この前処理ステップは、ビデオを時間的にダウンサンプリングし、推論の解像度を低減し、元の時間分解における検出性能を阻害する。
モデルの再設計や再学習を伴わない新しいモデル非依存のポストプロセッシング手法を提案する。
論文 参考訳(メタデータ) (2022-11-27T19:50:37Z) - Implicit Bias in Leaky ReLU Networks Trained on High-Dimensional Data [63.34506218832164]
本研究では,ReLUを活性化した2層完全連結ニューラルネットワークにおける勾配流と勾配降下の暗黙的バイアスについて検討する。
勾配流には、均一なニューラルネットワークに対する暗黙のバイアスに関する最近の研究を活用し、リーク的に勾配流が2つ以上のランクを持つニューラルネットワークを生成することを示す。
勾配降下は, ランダムな分散が十分小さい場合, 勾配降下の1ステップでネットワークのランクが劇的に低下し, トレーニング中もランクが小さくなることを示す。
論文 参考訳(メタデータ) (2022-10-13T15:09:54Z) - GradViT: Gradient Inversion of Vision Transformers [83.54779732309653]
我々は,視力変換器(ViT)の勾配に基づく逆攻撃に対する脆弱性を実証する。
自然に見える画像にランダムノイズを最適化するGradViTという手法を提案する。
元の(隠された)データに対する前例のない高い忠実さと近接性を観察する。
論文 参考訳(メタデータ) (2022-03-22T17:06:07Z) - Poseur: Direct Human Pose Regression with Transformers [119.79232258661995]
単一画像からの2次元人間のポーズ推定に対する直接回帰に基づくアプローチを提案する。
私たちのフレームワークはエンドツーエンドの差別化が可能で、キーポイント間の依存関係を自然に活用することを学びます。
我々のアプローチは、最も優れたヒートマップベースのポーズ推定手法と比較して好意的に機能する最初の回帰ベースのアプローチである。
論文 参考訳(メタデータ) (2022-01-19T04:31:57Z) - Learning from Images: Proactive Caching with Parallel Convolutional
Neural Networks [94.85780721466816]
本稿では,プロアクティブキャッシングのための新しいフレームワークを提案する。
モデルベースの最適化とデータ駆動技術を組み合わせて、最適化問題をグレースケールのイメージに変換する。
数値計算の結果,提案手法は71.6%の計算時間を0.8%のコストで削減できることがわかった。
論文 参考訳(メタデータ) (2021-08-15T21:32:47Z) - On Mathews Correlation Coefficient and Improved Distance Map Loss for
Automatic Glacier Calving Front Segmentation in SAR Imagery [7.64750171496838]
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。
論文 参考訳(メタデータ) (2021-02-16T17:53:34Z) - 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) - 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)
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。