論文の概要: Deep Neural Networks for Automatic Grain-matrix Segmentation in Plane and Cross-polarized Sandstone Photomicrographs

• arxiv url: http://arxiv.org/abs/2111.07102v1
• Date: Sat, 13 Nov 2021 12:04:06 GMT
• ステータス: 処理完了
• システム内更新日: 2021-11-18 09:03:33.363045
• Title: Deep Neural Networks for Automatic Grain-matrix Segmentation in Plane and Cross-polarized Sandstone Photomicrographs
• Title（参考訳）: 平面およびクロスポーラライズサンドストーンフォトマイクログラフの自動粒界セグメンテーションのためのディープニューラルネットワーク
• Authors: Rajdeep Das, Ajoy Mondal, Tapan Chakraborty, and Kuntal Ghosh
• Abstract要約: 粒分別はコンピュータ支援鉱物識別と砂岩分類の第一段階である。 本稿では,粒度区分をピクセル単位の2クラス(すなわち粒度と背景)の意味分割タスクとして定式化する。 深層学習に基づくエンドツーエンドのトレーニング可能なフレームワークであるDeep Grain Semantic Network (DSGSN) を開発した。
• 参考スコア（独自算出の注目度）: 5.638291203837104
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Grain segmentation of sandstone that is partitioning the grain from its surrounding matrix/cement in the thin section is the primary step for computer-aided mineral identification and sandstone classification. The microscopic images of sandstone contain many mineral grains and their surrounding matrix/cement. The distinction between adjacent grains and the matrix is often ambiguous, making grain segmentation difficult. Various solutions exist in literature to handle these problems; however, they are not robust against sandstone petrography's varied pattern. In this paper, we formulate grain segmentation as a pixel-wise two-class (i.e., grain and background) semantic segmentation task. We develop a deep learning-based end-to-end trainable framework named Deep Semantic Grain Segmentation network (DSGSN), a data-driven method, and provide a generic solution. As per the authors' knowledge, this is the first work where the deep neural network is explored to solve the grain segmentation problem. Extensive experiments on microscopic images highlight that our method obtains better segmentation accuracy than various segmentation architectures with more parameters.
• Abstract（参考訳）: 薄い部分の周囲マトリックス・セメントから粒を隔てている砂岩の粒分区分は, コンピュータによる鉱物同定と砂岩分類の第一段階である。 砂岩の顕微鏡像は多くの鉱物と周囲のマトリックス・セメントを含んでいる。 隣接する粒とマトリックスの区別はしばしば曖昧であり、粒分別が困難である。 これらの問題に対処するために文献には様々な解が存在するが、砂岩の岩石学の様々なパターンに対して頑健ではない。 本稿では,粒度区分をピクセル単位の2クラス(すなわち粒度と背景)の意味分割タスクとして定式化する。 本研究では,データ駆動型手法であるdeep semantic grain segmentation network (dsgsn) という,ディープラーニングベースのエンドツーエンドトレーニング可能なフレームワークを開発し,汎用的なソリューションを提供する。 著者たちの知識によれば、この研究はディープニューラルネットワークが穀物のセグメンテーション問題を解決するために研究される最初の研究である。 顕微鏡画像に対する広範囲な実験では,パラメータの大きい様々なセグメンテーションアーキテクチャよりも,セグメンテーション精度が向上した。

関連論文リスト

• Enhancing Boundary Segmentation for Topological Accuracy with Skeleton-based Methods [7.646983689651424]
  位相整合性は、直交画像の境界セグメンテーションの課題において重要な役割を果たす。 本稿では,各物体の形状と画素の位相的意義を考慮に入れた新たな損失関数であるSkea-Topo Aware Losを提案する。 実験により, この手法は, 13 の最先端手法と比較して, VI において最大 7 点まで位相整合性を向上させることが証明された。
  論文  参考訳（メタデータ） (2024-04-29T09:27:31Z)
• Train-Free Segmentation in MRI with Cubical Persistent Homology [0.0]
  トポロジカルデータ解析(TDA)を用いたMRI画像の分割法について述べる。 これは3つのステップで機能し、まずは自動しきい値設定によってオブジェクト全体をセグメントに識別し、次に事前にトポロジが知られている特定の部分集合を検出し、最後にセグメンテーションの様々な成分を推論する。 脳MRIにおけるグリオブラスト腫分画の例について検討し、2次元スライスが円である胎児脳MRIにおいて、シリンダーを含む心臓MRIにおける心筋、および皮質プレート検出について検討した。
  論文  参考訳（メタデータ） (2024-01-02T11:43:49Z)
• SegRefiner: Towards Model-Agnostic Segmentation Refinement with Discrete Diffusion Process [102.18226145874007]
  そこで我々は,異なるセグメンテーションモデルによって生成されるオブジェクトマスクの品質を高めるために,SegRefinerと呼ばれるモデルに依存しないソリューションを提案する。 SegRefinerは粗いマスクを入力として取り、離散拡散プロセスを用いてそれらを洗練する。 さまざまな種類の粗いマスクにわたるセグメンテーションメトリックとバウンダリメトリックの両方を一貫して改善する。
  論文  参考訳（メタデータ） (2023-12-19T18:53:47Z)
• Two Approaches to Supervised Image Segmentation [55.616364225463066]
  本研究は、深層学習とマルチセットニューロンのアプローチの比較実験を開発する。 ディープラーニングアプローチは、画像セグメンテーションの実行の可能性を確認した。 代替のマルチセット手法では、計算資源をほとんど必要とせずに精度を向上することができた。
  論文  参考訳（メタデータ） (2023-07-19T16:42:52Z)
• Scale-aware Super-resolution Network with Dual Affinity Learning for Lesion Segmentation from Medical Images [50.76668288066681]
  低解像度医用画像から様々な大きさの病変を適応的に分割する,スケールアウェアな超解像ネットワークを提案する。 提案するネットワークは,他の最先端手法と比較して一貫した改善を実現した。
  論文  参考訳（メタデータ） (2023-05-30T14:25:55Z)
• Self-Supervised Correction Learning for Semi-Supervised Biomedical Image Segmentation [84.58210297703714]
  半教師付きバイオメディカルイメージセグメンテーションのための自己教師付き補正学習パラダイムを提案する。 共有エンコーダと2つの独立デコーダを含むデュアルタスクネットワークを設計する。 異なるタスクのための3つの医用画像分割データセットの実験により,本手法の優れた性能が示された。
  論文  参考訳（メタデータ） (2023-01-12T08:19:46Z)
• Multiscale Analysis for Improving Texture Classification [62.226224120400026]
  本稿では,テクスチャの異なる空間周波数帯域を別々に扱うために,ガウス・ラプラシアピラミッドを用いる。 バイオインスパイアされたテクスチャ記述子,情報理論測度,灰色レベルの共起行列特徴,ハリリック統計特徴から抽出した特徴を特徴ベクトルに集約した。
  論文  参考訳（メタデータ） (2022-04-21T01:32:22Z)
• Grasp-Oriented Fine-grained Cloth Segmentation without Real Supervision [66.56535902642085]
  本稿では, 深度画像のみを用いて, 変形した衣服のきめ細かい領域検出の問題に取り組む。 最大で6つの意味領域を定義し, 首の縁, スリーブカフ, ヘム, 上と下をつかむ点を含む。 これらの部品のセグメント化とラベル付けを行うために,U-net ベースのネットワークを導入する。 合成データのみを用いてネットワークをトレーニングし、提案したDAが実データでトレーニングしたモデルと競合する結果が得られることを示す。
  論文  参考訳（メタデータ） (2021-10-06T16:31:20Z)
• A Novel Falling-Ball Algorithm for Image Segmentation [0.14337588659482517]
  領域ベースセグメンテーションアルゴリズムである領域ベースFalling-Ballアルゴリズムを提案する。 提案アルゴリズムは,丘陵地帯から落下する球が捕集流域で止まると仮定して,捕集流域を検出する。
  論文  参考訳（メタデータ） (2021-05-06T12:41:10Z)
• Detecting micro fractures with X-ray computed tomography [4.855026133182103]
  XRCTを用いたカララ大理石のフラクチャーネットワークの可視化に成功したデータ集合について述べる。 従来の3手法と機械学習に基づく2手法を評価した。 2次元U-netモデルの出力は、機械学習に基づくセグメンテーション手法の1つである。
  論文  参考訳（メタデータ） (2021-03-23T20:20:24Z)
• MudrockNet: Semantic Segmentation of Mudrock SEM Images through Deep Learning [0.0]
  本稿では,GoogleのDeepLab-v3+アーキテクチャに基づく深層学習SEMセグメンテーションモデルMudrockNetを提案する。 訓練された深層学習モデルは、約90%の画素精度を取得し、試験データの予測値は、銀粒の0.6591と毛穴の0.6642の平均交点(IoU)を得た。
  論文  参考訳（メタデータ） (2021-02-05T19:38:44Z)

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。