論文の概要: Uncertainty-Aware Annotation Protocol to Evaluate Deformable Registration Algorithms

• arxiv url: http://arxiv.org/abs/2104.01217v1
• Date: Fri, 2 Apr 2021 19:31:19 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-08 05:14:01.094352
• Title: Uncertainty-Aware Annotation Protocol to Evaluate Deformable Registration Algorithms
• Title（参考訳）: 変形可能な登録アルゴリズム評価のための不確実性対応アノテーションプロトコル
• Authors: Loic Peter, Daniel C. Alexander, Caroline Magnain, Juan Eugenio Iglesias
• Abstract要約: 変形性登録における金規格構築のための原則的な戦略を紹介します。 i) 従来のアノテーションとの冗長性を考慮して、次に注釈をつけるための最も有益な場所を反復的に提案する; (ii) それぞれのアノテーションの空間的不確実性を考慮して、従来のポイントワイズアノテーションを拡張する; (iii) 自然に変形可能な登録アルゴリズムを評価するための新しい戦略を提供する。
• 参考スコア（独自算出の注目度）: 3.2845753359072125
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Landmark correspondences are a widely used type of gold standard in image registration. However, the manual placement of corresponding points is subject to high inter-user variability in the chosen annotated locations and in the interpretation of visual ambiguities. In this paper, we introduce a principled strategy for the construction of a gold standard in deformable registration. Our framework: (i) iteratively suggests the most informative location to annotate next, taking into account its redundancy with previous annotations; (ii) extends traditional pointwise annotations by accounting for the spatial uncertainty of each annotation, which can either be directly specified by the user, or aggregated from pointwise annotations from multiple experts; and (iii) naturally provides a new strategy for the evaluation of deformable registration algorithms. Our approach is validated on four different registration tasks. The experimental results show the efficacy of suggesting annotations according to their informativeness, and an improved capacity to assess the quality of the outputs of registration algorithms. In addition, our approach yields, from sparse annotations only, a dense visualization of the errors made by a registration method. The source code of our approach supporting both 2D and 3D data is publicly available at https://github.com/LoicPeter/evaluation-deformable-registration.
• Abstract（参考訳）: ランドマーク対応は、画像登録において広く使われている金の標準である。 しかし、対応点の手動配置は、選択されたアノテート箇所や視覚的あいまいさの解釈において、ユーザ間のばらつきが高い。 本稿では, 変形可能な登録における金本位制構築の原則的戦略を紹介する。 我々のフレームワークは、 (i) 先行アノテーションとの冗長性を考慮し、次に注釈を付けるための最も有益な場所を反復的に提案し、 (ii) ユーザが直接指定したり、複数の専門家からポイントワイズアノテーションを集約したり、 (iii) 変形可能な登録アルゴリズムの評価のための新しい戦略を自然に提供する、各アノテーションの空間的不確実性を考慮して従来のポイントワイズアノテーションを拡張します。 我々のアプローチは4つの異なる登録タスクで検証される。 実験結果は,その情報量に応じてアノテーションを提案することの有効性と,登録アルゴリズムの出力品質を評価する能力の向上を示した。 さらに,本手法では,スパースアノテーションのみから,登録手法による誤りの詳細な可視化を行う。 2Dデータと3Dデータの両方をサポートするアプローチのソースコードはhttps://github.com/LoicPeter/evaluation-deformable-registrationで公開されています。

関連論文リスト

• Drawing the Same Bounding Box Twice? Coping Noisy Annotations in Object Detection with Repeated Labels [6.872072177648135]
  そこで本研究では,基礎的真理推定手法に適合する新しい局所化アルゴリズムを提案する。 また,本アルゴリズムは,TexBiGデータセット上でのトレーニングにおいて,優れた性能を示す。
  論文  参考訳（メタデータ） (2023-09-18T13:08:44Z)
• Unsupervised 3D registration through optimization-guided cyclical self-training [71.75057371518093]
  最先端のディープラーニングベースの登録方法は、3つの異なる学習戦略を採用している。 本稿では,教師なし登録のための自己指導型学習パラダイムを提案する。 腹部, 肺の登録方法の評価を行い, 測定基準に基づく監督を一貫して上回り, 最先端の競争相手よりも優れていた。
  論文  参考訳（メタデータ） (2023-06-29T14:54:10Z)
• Neighbour Consistency Guided Pseudo-Label Refinement for Unsupervised Person Re-Identification [80.98291772215154]
  教師なしの人物再識別(ReID)は、アノテーションを使わずに人物検索のための識別的アイデンティティの特徴を学習することを目的としている。 近年の進歩はクラスタリングに基づく擬似ラベルを活用することで実現されている。 本稿では, Pseudo Label Refinement フレームワークを提案する。
  論文  参考訳（メタデータ） (2022-11-30T09:39:57Z)
• Visual Recognition by Request [111.94887516317735]
  視覚認識のためのアノテーションと評価の新しいプロトコルを提案する。 すべてのターゲット(オブジェクト、部品など)を一度にアノテート/認識するためにラベルやアルゴリズムを必要とせず、代わりに多数の認識命令を発生させ、アルゴリズムは要求によってターゲットを認識する。 CPP と ADE20K という2つの混合注釈付きデータセットに対する認識システムの評価を行い,その有望な学習能力を部分的にラベル付けしたデータから示す。
  論文  参考訳（メタデータ） (2022-07-28T16:55:11Z)
• Pre-trained Language Models as Re-Annotators [3.193067591317475]
  事前学習言語モデルから意味センシティブなアノテーション表現を取得する方法について検討する。 アノテーション修正のためのクロスバリデーションに基づく事前学習言語モデルを微調整する。 関係抽出における再アノテーションについて検討し、手動で改訂したデータセットRe-DocREDを作成する。
  論文  参考訳（メタデータ） (2022-05-11T09:28:23Z)
• Delving into Probabilistic Uncertainty for Unsupervised Domain Adaptive Person Re-Identification [54.174146346387204]
  ドメイン適応型人物再識別のための確率的不確実性誘導プログレッシブラベル精錬(P$2$LR)という手法を提案する。 擬似ラベルの不確実性を測定し、ネットワークトレーニングを容易にする定量的基準を確立する。 本手法はDuke2Marketタスクではベースラインが6.5%,Market2MSMTタスクでは2.5%,最先端手法では2.5%を上回った。
  論文  参考訳（メタデータ） (2021-12-28T07:40:12Z)
• A recursive robust filtering approach for 3D registration [3.5270468102327004]
  提案手法は, 既往のソリューションではまだ発生していない4つの利点を有する。 固有ノイズ汚染センサデータを扱うことができる。 ノイズのある特徴ローカライゼーションによる不確実性に対して堅牢である。
  論文  参考訳（メタデータ） (2021-10-28T07:50:02Z)
• Active Learning for Coreference Resolution using Discrete Annotation [76.36423696634584]
  我々は、コア参照解決におけるアクティブラーニングのためのペアワイズアノテーションを改善した。 提案された参照ペアがコアフェレントでないと判断された場合、アノテータに参照アンテセントを識別するよう依頼する。 既存のベンチマークコアベンチマークデータセットを用いた実験では、この追加質問からの信号が人間のアノテーション時間当たりの大幅なパフォーマンス向上につながることが示された。
  論文  参考訳（メタデータ） (2020-04-28T17:17:11Z)
• Do Public Datasets Assure Unbiased Comparisons for Registration Evaluation? [96.53940048041248]
  画像誘導神経外科医の登録をベンチマークするために、2つのデータセットで手動で注釈付けされたランドマークをスクリーニングするために、ヴァリグラムを使用します。 Variograms を用いて, 潜在的に有意な症例を同定し, 経験者により検討した。
  論文  参考訳（メタデータ） (2020-03-20T20:04:47Z)

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。