論文の概要: ACNet: Mask-Aware Attention with Dynamic Context Enhancement for Robust Acne Detection

• arxiv url: http://arxiv.org/abs/2105.14891v1
• Date: Mon, 31 May 2021 11:31:45 GMT
• ステータス: 処理完了
• システム内更新日: 2021-06-01 23:56:09.709436
• Title: ACNet: Mask-Aware Attention with Dynamic Context Enhancement for Robust Acne Detection
• Title（参考訳）: ACNet:ロバストアレーン検出のための動的文脈強調によるマスク認識注意
• Authors: Kyungseo Min, Gun-Hee Lee, Seong-Whan Lee
• Abstract要約: 本稿では,3つのコンポーネント,具体的には複合特徴再構成,動的コンテキスト拡張,マスク対応マルチアテンションからなるアクネ検出ネットワークを提案する。 本稿では, PASCAL VOC 2007におけるACNE04の最先端化と従来の最先端化手法との競合性能について述べる。
• 参考スコア（独自算出の注目度）: 23.387520108585452
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Computer-aided diagnosis has recently received attention for its advantage of low cost and time efficiency. Although deep learning played a major role in the recent success of acne detection, there are still several challenges such as color shift by inconsistent illumination, variation in scales, and high density distribution. To address these problems, we propose an acne detection network which consists of three components, specifically: Composite Feature Refinement, Dynamic Context Enhancement, and Mask-Aware Multi-Attention. First, Composite Feature Refinement integrates semantic information and fine details to enrich feature representation, which mitigates the adverse impact of imbalanced illumination. Then, Dynamic Context Enhancement controls different receptive fields of multi-scale features for context enhancement to handle scale variation. Finally, Mask-Aware Multi-Attention detects densely arranged and small acne by suppressing uninformative regions and highlighting probable acne regions. Experiments are performed on acne image dataset ACNE04 and natural image dataset PASCAL VOC 2007. We demonstrate how our method achieves the state-of-the-art result on ACNE04 and competitive performance with previous state-of-the-art methods on the PASCAL VOC 2007.
• Abstract（参考訳）: コンピュータ支援診断はコストと時間効率の面から最近注目されている。 近年のacne検出の成功にはディープラーニングが大きな役割を果たしているが、一貫性のない照明による色の変化、スケールの変化、高密度分布など、いくつかの課題が残っている。 これらの問題に対処するため,我々は,複合特徴再構成,動的コンテキスト拡張,マスク対応マルチアテンションという3つのコンポーネントからなるアクネ検出ネットワークを提案する。 第一に、合成特徴再構成は意味情報と細部を統合して特徴表現を強化し、不均衡照明の悪影響を軽減する。 次に、Dynamic Context Enhancementは、コンテキスト拡張のためのマルチスケール機能の異なる受容フィールドを制御し、スケールの変動を処理する。 最後に、マスクアウェアマルチアテンションは、不均一領域を抑圧し、有望なアセン領域を強調することにより、密配置された小アセントを検出する。 acne画像データセットacne04と自然画像データセットpascal voc 2007で実験を行った。 PASCAL VOC 2007のACNE04における最先端化と従来の最先端化手法との競合性能について述べる。

関連論文リスト

• Mitigating Hallucinations of Large Language Models in Medical Information Extraction via Contrastive Decoding [92.32881381717594]
  医療情報抽出タスクにおける幻覚の問題を解決するために,ALCD(ALternate Contrastive Decoding)を導入する。 ALCDは, 従来の復号法に比べて幻覚の解消に有意な改善が見られた。
  論文  参考訳（メタデータ） (2024-10-21T07:19:19Z)
• Improving Neural Surface Reconstruction with Feature Priors from Multi-View Image [87.00660347447494]
  ニューラルサーフェス・コンストラクション(NSR)の最近の進歩は、ボリュームレンダリングと組み合わせることで、マルチビュー・コンストラクションを著しく改善している。 本稿では,多種多様な視覚的タスクから価値ある特徴を活用すべく,特徴レベルの一貫した損失について検討する。 DTU と EPFL を用いて解析した結果,画像マッチングと多視点ステレオデータセットによる特徴が,他のプリテキストタスクよりも優れていたことが判明した。
  論文  参考訳（メタデータ） (2024-08-04T16:09:46Z)
• Improving Vision Anomaly Detection with the Guidance of Language Modality [64.53005837237754]
  本稿では,マルチモーダルの観点から視覚モダリティの課題に取り組む。 本稿では,冗長な情報問題とスパース空間問題に対処するために,クロスモーダルガイダンス(CMG)を提案する。 視覚異常検出のためのよりコンパクトな潜在空間を学習するために、CMLEは言語モダリティから相関構造行列を学習する。
  論文  参考訳（メタデータ） (2023-10-04T13:44:56Z)
• Masking Improves Contrastive Self-Supervised Learning for ConvNets, and Saliency Tells You Where [63.61248884015162]
  我々は、畳み込みニューラルネットワークのためのコントラスト学習フレームワークにマスキング操作を組み込むことの負担を軽減することを目的としている。 マスクされた領域が、前景と背景の間に均等に分散されていることを考慮し、塩分濃度の制約を明示的に考慮することを提案する。
  論文  参考訳（メタデータ） (2023-09-22T09:58:38Z)
• Attention-Based Acoustic Feature Fusion Network for Depression Detection [11.972591489278988]
  抑うつ検出のためのアテンションベース音響特徴融合ネットワーク(ABAFnet)を提案する。 ABAFnetは、4つの異なる音響特徴を包括的ディープラーニングモデルに組み合わせ、多層的特徴を効果的に統合し、ブレンドする。 本稿では,これらの特徴を効果的に合成することにより,性能を向上する,遅延核融合のための新しい重量調整モジュールを提案する。
  論文  参考訳（メタデータ） (2023-08-24T00:31:51Z)
• Towards Accurate Acne Detection via Decoupled Sequential Detection Head [13.584041730463442]
  新しいデカップリングシーケンス検出ヘッド(DSDH)は、メインストリームの2段階検出器で容易に採用できる。 そこで我々は, 課題系列機構を提案し, オフセットとスケーリングを順次実行し, より包括的にアシネ病変の次元を把握した。 提案手法は最先端の手法よりも有意なマージンで優れる。
  論文  参考訳（メタデータ） (2023-01-28T14:58:51Z)
• CoreDeep: Improving Crack Detection Algorithms Using Width Stochasticity [0.0]
  背景から亀裂を分離する明確な境界はない。 開発されたアルゴリズムは、データに関連する固有の課題を扱うべきです。 我々は,平均IoU,偽陽性,陰性で,主観的品質でアルゴリズムの性能を客観的に測定した。
  論文  参考訳（メタデータ） (2022-09-10T12:21:52Z)
• Deep Collaborative Multi-Modal Learning for Unsupervised Kinship Estimation [53.62256887837659]
  キンシップ検証は、コンピュータビジョンにおける長年の研究課題である。 本稿では,顔特性に表される基礎情報を統合するために,新しい協調型多モーダル学習(DCML)を提案する。 我々のDCML法は、常に最先端のキンシップ検証法よりも優れている。
  論文  参考訳（メタデータ） (2021-09-07T01:34:51Z)
• Towards High Performance Human Keypoint Detection [87.1034745775229]
  文脈情報は人体構成や見えないキーポイントを推論する上で重要な役割を担っている。 そこで我々は,空間とチャネルのコンテキスト情報を効率的に統合するカスケードコンテキストミキサー(CCM)を提案する。 CCMの表現能力を最大化するために、我々は、強陰性な人検出マイニング戦略と共同訓練戦略を開発する。 検出精度を向上させるために,キーポイント予測を後処理するためのいくつかのサブピクセル改良手法を提案する。
  論文  参考訳（メタデータ） (2020-02-03T02:24:51Z)

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。