Fugu-MT 論文翻訳(概要): A Dataset and Method for Hallux Valgus Angle Estimation Based on Deep Learing

論文の概要: A Dataset and Method for Hallux Valgus Angle Estimation Based on Deep Learing

arxiv url: http://arxiv.org/abs/2107.03640v1
Date: Thu, 8 Jul 2021 07:11:12 GMT
ステータス: 処理完了
システム内更新日: 2021-07-09 13:48:52.468900
Title: A Dataset and Method for Hallux Valgus Angle Estimation Based on Deep Learing
Title（参考訳）: ディープリーニングに基づくハルース渦角推定のためのデータセットと手法
Authors: Ningyuan Xu, Jiayan Zhuang, Yaojun Wu, Jiangjian Xiao
Abstract要約: Hallux valgus(HV)の共鳴治療には角測定が不可欠であるいまだに手動のラベリングと測定に依存しており、それは時間がかかり、時には信頼性が低い。この問題を解決するためにデータセットを作成し,ディープラーニングと線形回帰に基づくアルゴリズムを開発した。
参考スコア（独自算出の注目度）: 4.368640506467087
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Angular measurements is essential to make a resonable treatment for Hallux valgus (HV), a common forefoot deformity. However, it still depends on manual labeling and measurement, which is time-consuming and sometimes unreliable. Automating this process is a thing of concern. However, it lack of dataset and the keypoints based method which made a great success in pose estimation is not suitable for this field.To solve the problems, we made a dataset and developed an algorithm based on deep learning and linear regression. It shows great fitting ability to the ground truth.
Abstract（参考訳）: 角の測定は、一般的な前足変形である hallux valgus (hv) の共鳴治療に必須である。しかし、まだ手動のラベリングと測定に依存しており、時間がかかり、時には信頼できないこともある。このプロセスを自動化することは懸念事項です。しかし,この分野では,ポーズ推定に大きな成功をおさめたデータセットやキーポイントベース手法の欠如が適さないため,データセットを作成し,深層学習と線形回帰に基づくアルゴリズムを開発した。地上の真実にぴったり合う能力を示している。

関連論文リスト

EndoOmni: Zero-Shot Cross-Dataset Depth Estimation in Endoscopy by Robust Self-Learning from Noisy Labels [4.99086145037811]
単一画像深度推定は、局所化、再構成、拡張現実といった内視鏡的タスクに不可欠である。既存の手術シーンのほとんどの方法は、領域内深さの推定に焦点を合わせ、実際の応用性を制限する。内視鏡のためのゼロショットクロスドメイン深度推定のための最初の基礎モデルであるEndo Omniを提案する。
論文参考訳（メタデータ） (2024-09-09T08:46:45Z)
Learn to Unlearn for Deep Neural Networks: Minimizing Unlearning Interference with Gradient Projection [56.292071534857946]
最近のデータプライバシ法は、機械学習への関心を喚起している。課題は、残りのデータセットに関する知識を変更することなく、忘れたデータに関する情報を捨てることである。我々は、プロジェクテッド・グラディエント・アンラーニング(PGU)という、プロジェクテッド・グラディエント・ベースの学習手法を採用する。トレーニングデータセットがもはやアクセスできない場合でも、スクラッチからスクラッチで再トレーニングされたモデルと同じような振る舞いをするモデルを、我々のアンラーニング手法が生成できることを実証するための実証的な証拠を提供する。
論文参考訳（メタデータ） (2023-12-07T07:17:24Z)
NeuralGF: Unsupervised Point Normal Estimation by Learning Neural Gradient Function [55.86697795177619]
3次元点雲の正規推定は3次元幾何処理の基本的な課題である。我々は,ニューラルネットワークが入力点雲に適合することを奨励する,ニューラルグラデーション関数の学習のための新しいパラダイムを導入する。広範に使用されているベンチマークの優れた結果から,本手法は非指向性および指向性正常推定タスクにおいて,より正確な正規性を学習できることが示されている。
論文参考訳（メタデータ） (2023-11-01T09:25:29Z)
Learning with Noisy Labels by Adaptive Gradient-Based Outlier Removal [4.71154003227418]
本稿では,Adaptive GRAdient-based outlier removal を用いて,雑音のあるラベルで学習する新しい手法 AGRAを提案する。本手法は,サンプルの集合勾配と個々のサンプル勾配を比較して,対応するサンプルがモデルに役立つかどうかを動的に決定する。いくつかのデータセットに対する広範囲な評価はAGRAの有効性を示している。
論文参考訳（メタデータ） (2023-06-07T15:10:01Z)
An Embarrassingly Simple Approach for Wafer Feature Extraction and Defect Pattern Recognition [0.0]
本稿では,ウェハ画像から特徴を抽出する手法を提案する。提案手法は極めて高速で直感的であり,説明可能でありながら非パラメトリックである。我々の特徴抽出は、解釈可能性分析によって明らかになったデータポイントの相対的な形状と位置を保ちながら、トレーニングや微調整を必要としない。
論文参考訳（メタデータ） (2023-03-21T07:00:13Z)
Using a one dimensional parabolic model of the full-batch loss to estimate learning rates during training [21.35522589789314]
本研究は,複数のミニバッチ上で推定されるパラボラを用いて全バッチ損失を近似する線探索手法を導入する。実験では,SGDを一定間隔の学習スケジュールで調整し,そのほとんどはSGDよりも優れていた。
論文参考訳（メタデータ） (2021-08-31T14:36:23Z)
Evaluating State-of-the-Art Classification Models Against Bayes Optimality [106.50867011164584]
正規化フローを用いて学習した生成モデルのベイズ誤差を正確に計算できることを示す。われわれの手法を用いて、最先端の分類モデルについて徹底的な調査を行う。
論文参考訳（メタデータ） (2021-06-07T06:21:20Z)
Scalable Marginal Likelihood Estimation for Model Selection in Deep Learning [78.83598532168256]
階層型モデル選択は、推定困難のため、ディープラーニングではほとんど使われない。本研究は,検証データが利用できない場合,限界的可能性によって一般化が向上し,有用であることを示す。
論文参考訳（メタデータ） (2021-04-11T09:50:24Z)
Making Affine Correspondences Work in Camera Geometry Computation [62.7633180470428]
局所的な特徴は、ポイント・ツー・ポイント対応ではなく、リージョン・ツー・リージョンを提供する。本稿では,全モデル推定パイプラインにおいて,地域間マッチングを効果的に活用するためのガイドラインを提案する。実験により、アフィンソルバはより高速な実行時にポイントベースソルバに匹敵する精度を達成できることが示された。
論文参考訳（メタデータ） (2020-07-20T12:07:48Z)
Evaluating Prediction-Time Batch Normalization for Robustness under Covariate Shift [81.74795324629712]
我々は予測時間バッチ正規化と呼び、共変量シフト時のモデル精度とキャリブレーションを大幅に改善する。予測時間バッチ正規化は、既存の最先端アプローチに相補的な利点をもたらし、ロバスト性を向上させることを示します。この手法は、事前トレーニングと併用して使用すると、さまざまな結果が得られるが、より自然なタイプのデータセットシフトでは、パフォーマンスが良くないようだ。
論文参考訳（メタデータ） (2020-06-19T05:08:43Z)

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。