論文の概要: Polyp-PVT: Polyp Segmentation with Pyramid Vision Transformers

• arxiv url: http://arxiv.org/abs/2108.06932v1
• Date: Mon, 16 Aug 2021 07:09:06 GMT
• ステータス: 処理完了
• システム内更新日: 2021-08-17 23:04:06.493325
• Title: Polyp-PVT: Polyp Segmentation with Pyramid Vision Transformers
• Title（参考訳）: Polyp-PVT:ピラミッド型ビジョントランスを用いたポリプセグメンテーション
• Authors: Bo Dong, Wenhai Wang, Deng-Ping Fan, Jinpeng Li, Huazhu Fu, Ling Shao
• Abstract要約: 我々は、より強力で堅牢な表現を学習するトランスフォーマーエンコーダを採用する。 ポリプのイメージ取得効果と解像特性を考慮すると、3つの新しいモジュールを導入する。 提案モデルでは,特徴の雑音を効果的に抑制し,その表現能力を大幅に向上させる。
• 参考スコア（独自算出の注目度）: 102.89400044464735
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Most polyp segmentation methods use CNNs as their backbone, leading to two key issues when exchanging information between the encoder and decoder: 1) taking into account the differences in contribution between different-level features; and 2) designing effective mechanism for fusing these features. Different from existing CNN-based methods, we adopt a transformer encoder, which learns more powerful and robust representations. In addition, considering the image acquisition influence and elusive properties of polyps, we introduce three novel modules, including a cascaded fusion module (CFM), a camouflage identification module (CIM), a and similarity aggregation module (SAM). Among these, the CFM is used to collect the semantic and location information of polyps from high-level features, while the CIM is applied to capture polyp information disguised in low-level features. With the help of the SAM, we extend the pixel features of the polyp area with high-level semantic position information to the entire polyp area, thereby effectively fusing cross-level features. The proposed model, named \ourmodel, effectively suppresses noises in the features and significantly improves their expressive capabilities. Extensive experiments on five widely adopted datasets show that the proposed model is more robust to various challenging situations (e.g., appearance changes, small objects) than existing methods, and achieves the new state-of-the-art performance. The proposed model is available at https://github.com/DengPingFan/Polyp-PVT .
• Abstract（参考訳）: 多くのpolypセグメンテーション手法は、CNNをバックボーンとして使用しており、エンコーダとデコーダの間で情報を交換する際には、1)異なるレベルの特徴間のコントリビューションの違いを考慮に入れ、2)これらの特徴を融合するための効果的なメカニズムを設計する。 既存のCNN方式と異なり、より強力で堅牢な表現を学習するトランスフォーマーエンコーダを採用している。 さらに,ポリープの画像取得の影響と可溶性を考慮して,カスケード融合モジュール(cfm),カモフラージュ識別モジュール(cim),類似性集約モジュール(sam)の3つの新規モジュールを導入する。 これらのうち、CFMは高レベルの特徴からポリプの意味情報と位置情報を収集し、CIMは低レベルの特徴に変装したポリプ情報をキャプチャする。 SAMの助けを借りて,ポリプ領域のピクセルの特徴をポリプ領域全体に高レベルな意味的位置情報で拡張し,クロスレベルな特徴を効果的に融合させる。 提案モデルでは,特徴の雑音を効果的に抑制し,表現能力を大幅に向上させる。 5つの広く採用されているデータセットの大規模な実験により、提案モデルは既存の手法よりも様々な困難な状況(例えば、外観の変化、小さなオブジェクト)に対してより堅牢であり、新しい最先端のパフォーマンスを実現することが示されている。 提案されたモデルはhttps://github.com/DengPingFan/Polyp-PVT で公開されている。

関連論文リスト

• HiFiSeg: High-Frequency Information Enhanced Polyp Segmentation with Global-Local Vision Transformer [5.96521715927858]
  HiFiSegは、高周波情報処理を強化する、大腸ポリープセグメンテーションのための新しいネットワークである。 GLIMは並列構造を用いてグローバルおよびローカル情報を複数のスケールで融合し、より微細な特徴を効果的にキャプチャする。 SAMは、高レベルの特徴からのセマンティック情報と低レベルの特徴から境界の詳細を選択的に統合し、ポリープを正確に検出し、セグメント化するモデルの能力を大幅に改善する。
  論文  参考訳（メタデータ） (2024-10-03T14:36:22Z)
• ASPS: Augmented Segment Anything Model for Polyp Segmentation [77.25557224490075]
  SAM(Segment Anything Model)は、ポリープセグメンテーションに先例のないポテンシャルを導入している。 SAMのTransformerベースの構造は、グローバルおよび低周波情報を優先する。 CFAはトレーニング可能なCNNエンコーダブランチと凍結したViTエンコーダを統合し、ドメイン固有の知識の統合を可能にする。
  論文  参考訳（メタデータ） (2024-06-30T14:55:32Z)
• FLDNet: A Foreground-Aware Network for Polyp Segmentation Leveraging Long-Distance Dependencies [1.7623838912231695]
  本研究では,トランスフォーマーに基づくニューラルネットワークであるFLDNetを提案する。 提案手法であるFLDNetは, 一般的なデータセットの7つの指標を用いて評価し, 広く利用されている評価尺度の最先端手法よりも優れていることを示した。
  論文  参考訳（メタデータ） (2023-09-12T06:32:42Z)
• RaBiT: An Efficient Transformer using Bidirectional Feature Pyramid Network with Reverse Attention for Colon Polyp Segmentation [0.0]
  本稿では,軽量トランスフォーマーアーキテクチャをエンコーダに組み込んだエンコーダデコーダモデルであるRaBiTを紹介する。 本手法は, トレーニングセットとテストセットが異なる特性を持つ場合であっても, クロスデータセット実験において高い一般化能力を示す。
  論文  参考訳（メタデータ） (2023-07-12T19:25:10Z)
• Lesion-aware Dynamic Kernel for Polyp Segmentation [49.63274623103663]
  ポリープセグメンテーションのための障害対応動的ネットワーク(LDNet)を提案する。 従来のU字型エンコーダ・デコーダ構造であり、動的カーネル生成と更新スキームが組み込まれている。 この単純だが効果的なスキームは、我々のモデルに強力なセグメンテーション性能と一般化能力を与える。
  論文  参考訳（メタデータ） (2023-01-12T09:53:57Z)
• LAPFormer: A Light and Accurate Polyp Segmentation Transformer [6.352264764099531]
  我々は,階層型トランスフォーマーエンコーダを用いてグローバルな特徴を抽出する,LAPFormerというエンコーダデコーダアーキテクチャを用いた新しいモデルを提案する。 提案するデコーダは,高スケールおよび低スケールから特徴を融合するプログレッシブ・フィーチャー・フュージョン・モジュールを含む。 ポリープセグメンテーションのための5つの人気のあるベンチマークデータセット上で、我々のモデルを検証した。
  論文  参考訳（メタデータ） (2022-10-10T01:52:30Z)
• SIM-Trans: Structure Information Modeling Transformer for Fine-grained Visual Categorization [59.732036564862796]
  本稿では,オブジェクト構造情報を変換器に組み込んだSIM-Trans(Structure Information Modeling Transformer)を提案する。 提案した2つのモジュールは軽量化されており、任意のトランスフォーマーネットワークにプラグインでき、エンドツーエンドで容易に訓練できる。 実験と解析により,提案したSIM-Transが細粒度視覚分類ベンチマークの最先端性能を達成することを示した。
  論文  参考訳（メタデータ） (2022-08-31T03:00:07Z)
• Automatic Polyp Segmentation via Multi-scale Subtraction Network [100.94922587360871]
  臨床的には、正確なポリープセグメンテーションは大腸癌の早期発見に重要な情報を提供する。 既存のほとんどの手法はU字型構造に基づいており、デコーダで段階的に異なるレベルの特徴を融合させるために要素ワイド付加または結合を用いる。 大腸内視鏡画像からポリプを抽出するマルチスケールサブトラクションネットワーク(MSNet)を提案する。
  論文  参考訳（メタデータ） (2021-08-11T07:54:07Z)
• Segment as Points for Efficient Online Multi-Object Tracking and Segmentation [66.03023110058464]
  本稿では,コンパクトな画像表現を非秩序な2次元点クラウド表現に変換することで,セグメントに基づくインスタンス埋め込みの学習に有効な方法を提案する。 本手法は,画像ではなく,ランダムに選択された点から識別インスタンスの埋め込みを学習する,新たなトラッキング・バイ・ポイントのパラダイムを生成する。 PointTrackという名前のオンラインMOTSフレームワークは、最先端のすべてのメソッドを大きなマージンで上回っている。
  論文  参考訳（メタデータ） (2020-07-03T08:29:35Z)

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。