論文の概要: EMDS-6: Environmental Microorganism Image Dataset Sixth Version for Image Denoising, Segmentation, Feature Extraction, Classification and Detection Methods Evaluation

• arxiv url: http://arxiv.org/abs/2112.07111v1
• Date: Tue, 14 Dec 2021 02:28:24 GMT
• ステータス: 処理完了
• システム内更新日: 2021-12-15 16:05:45.294390
• Title: EMDS-6: Environmental Microorganism Image Dataset Sixth Version for Image Denoising, Segmentation, Feature Extraction, Classification and Detection Methods Evaluation
• Title（参考訳）: emds-6:環境微生物画像データセット 第6版画像分割・セグメント化・特徴抽出・分類・検出手法の評価
• Authors: Peng Zhao, Chen Li, Md Mamunur Rahaman, Hao Xu, Pingli Ma, Hechen Yang, Hongzan Sun, Tao Jiang, Ning Xu and Marcin Grzegorzek
• Abstract要約: 本研究は,21種類のEMを含む環境微生物データセット第6版(EMDS-6)を開発した。 各型EMには40のオリジナルイメージと40のGTS-6イメージが含まれている。 実験結果から,EMS-6は画像識別,画像分割,画像特徴抽出,画像分類,オブジェクト検出などの性能評価に有用であることが示唆された。
• 参考スコア（独自算出の注目度）: 21.78848834504489
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Environmental microorganisms (EMs) are ubiquitous around us and have an important impact on the survival and development of human society. However, the high standards and strict requirements for the preparation of environmental microorganism (EM) data have led to the insufficient of existing related databases, not to mention the databases with GT images. This problem seriously affects the progress of related experiments. Therefore, This study develops the Environmental Microorganism Dataset Sixth Version (EMDS-6), which contains 21 types of EMs. Each type of EM contains 40 original and 40 GT images, in total 1680 EM images. In this study, in order to test the effectiveness of EMDS-6. We choose the classic algorithms of image processing methods such as image denoising, image segmentation and target detection. The experimental result shows that EMDS-6 can be used to evaluate the performance of image denoising, image segmentation, image feature extraction, image classification, and object detection methods.
• Abstract（参考訳）: 環境微生物(EM)は私たちの周りにあり、人間の社会の生存と発展に大きな影響を与えている。 しかし,環境微生物(EM)データ作成の基準と厳格な要件は,GT画像を用いたデータベースだけでなく,既存の関係データベースの不足につながっている。 この問題は関連する実験の進行に深刻な影響を及ぼす。 そこで本研究では,21種類のemsを含む環境微生物データセット(emds-6)を開発した。 EMには40のオリジナルと40のGTイメージが含まれており、合計1680のEMイメージがある。 本研究では,emds-6の有効性をテストする。 画像分割,画像分割,ターゲット検出などの画像処理手法の古典的なアルゴリズムを選択する。 実験結果から,EMDS-6を用いて画像識別,画像分割,画像特徴抽出,画像分類,オブジェクト検出手法の性能を評価することができた。

関連論文リスト

• EEG-ImageNet: An Electroencephalogram Dataset and Benchmarks with Image Visual Stimuli of Multi-Granularity Labels [12.783945503890962]
  我々は、画像Netデータセットから選択された4000の画像に露出した16人の被験者からの録音を含む新しいEEGデータセットであるEEG-ImageNetを紹介する。 EEG-ImageNetは、既存の類似のEEGベンチマークの5倍のEEGイメージペアで構成されている。 そこで本研究では,対象分類と画像再構成のベンチマークを構築し,対象分類の精度を60%,画像再構成の精度を64%程度で達成できることを示す。
  論文  参考訳（メタデータ） (2024-06-11T10:52:17Z)
• BioGAN: An unpaired GAN-based image to image translation model for microbiological images [1.6427658855248812]
  微生物画像のための画像翻訳モデルとして,未ペアのGAN(Generative Adversarial Network)画像を開発した。 本稿では,実験室で撮影された画像の高レベルな特徴をフィールド画像に変換するために,適応的・知覚的損失を利用したGANモデルBioGANの設計を提案する。
  論文  参考訳（メタデータ） (2023-06-09T19:30:49Z)
• Explainable Image Quality Assessment for Medical Imaging [0.0]
  質の悪い医療画像は誤診につながる可能性がある。 本稿では,説明可能な画像品質評価システムを提案し,その考え方を2つの異なる目的に対して検証する。 本研究では,サリエンシ検出器の忠実度を測定するために,様々な手法を適用した。 我々は,NormGradがObject-CXRで0.853点,LVOTデータセットで0.611点,繰り返しポイントゲームで0.853点に達することで,他のサリエンシ検出器よりも顕著に向上したことを示す。
  論文  参考訳（メタデータ） (2023-03-25T14:18:39Z)
• Application of the YOLOv5 Model for the Detection of Microobjects in the Marine Environment [101.18253437732933]
  海洋環境における微小物体の自動検出と認識の問題を解決するためのYOLOV5機械学習モデルの有効性について検討した。
  論文  参考訳（メタデータ） (2022-11-28T10:58:50Z)
• OADAT: Experimental and Synthetic Clinical Optoacoustic Data for Standardized Image Processing [62.993663757843464]
  オプトアコースティック(OA)イメージングは、ナノ秒レーザーパルスによる生体組織の励起と、光吸収による熱弾性膨張によって発生する超音波の検出に基づいている。 OAイメージングは、深部組織における豊富な光学コントラストと高分解能の強力な組み合わせを特徴としている。 臨床環境でのOAの幅広い応用を促進するために、異なるタイプの実験的なセットアップと関連する処理手法で生成される標準化データセットは存在しない。
  論文  参考訳（メタデータ） (2022-06-17T08:11:26Z)
• A Multi-purpose Real Haze Benchmark with Quantifiable Haze Levels and Ground Truth [61.90504318229845]
  本稿では,ハズフリー画像とその場でのハズ密度測定を併用した,最初の実画像ベンチマークデータセットを提案する。 このデータセットはコントロールされた環境で生成され、プロの煙発生装置がシーン全体を覆っている。 このデータセットのサブセットは、CVPR UG2 2022 チャレンジの Haze Track における Object Detection に使用されている。
  論文  参考訳（メタデータ） (2022-06-13T19:14:06Z)
• Harmonizing Pathological and Normal Pixels for Pseudo-healthy Synthesis [68.5287824124996]
  そこで本研究では,新しいタイプの識別器であるセグメンタを提案し,病変の正確な特定と擬似健康画像の視覚的品質の向上を図っている。 医用画像強調に生成画像を適用し,低コントラスト問題に対処するために拡張結果を利用する。 BraTSのT2モダリティに関する総合的な実験により、提案手法は最先端の手法よりも大幅に優れていることが示された。
  論文  参考訳（メタデータ） (2022-03-29T08:41:17Z)
• Indication as Prior Knowledge for Multimodal Disease Classification in Chest Radiographs with Transformers [15.841982111622626]
  我々は、テキスト上で一様に事前学習されたトランスフォーマーネットワークを用いて、より優れた画像分類を促進するために、表示フィールドを使用する。 本手法をMIMIC-CXRデータセット上で評価し,適応場が分類性能に及ぼす影響について検討する。
  論文  参考訳（メタデータ） (2022-02-12T14:23:30Z)
• EMDS-5: Environmental Microorganism Image Dataset Fifth Version for Multiple Image Analysis Tasks [17.30000857725502]
  GTS-5データセットには21種類のEMがあり、それぞれが20個のオリジナルEMイメージ、20個のシングルオブジェクトGTイメージ、20個のマルチオブジェクトGTイメージを含んでいる。 s-5は、画像前処理、画像分割、特徴抽出、画像分類、画像検索機能を評価することができる。
  論文  参考訳（メタデータ） (2021-02-20T15:27:05Z)
• Improved Slice-wise Tumour Detection in Brain MRIs by Computing Dissimilarities between Latent Representations [68.8204255655161]
  磁気共鳴画像(MRI)の異常検出は教師なし手法で行うことができる。 本研究では,変分オートエンコーダの潜伏空間における相似関数の計算に基づいて,腫瘍検出のためのスライスワイズ半教師法を提案する。 本研究では,高解像度画像上でのモデルをトレーニングし,再現の質を向上させることにより,異なるベースラインに匹敵する結果が得られることを示す。
  論文  参考訳（メタデータ） (2020-07-24T14:02:09Z)
• Synergistic Learning of Lung Lobe Segmentation and Hierarchical Multi-Instance Classification for Automated Severity Assessment of COVID-19 in CT Images [61.862364277007934]
  3次元CT画像におけるCOVID-19の重症度自動評価のための相乗的学習フレームワークを提案する。 マルチタスクのディープネットワーク(M$2$UNet)が開発され、新型コロナウイルス患者の重症度を評価する。 われわれのM$2$UNetはパッチレベルのエンコーダと肺葉分画のためのセグメンテーションサブネットワークと重度評価のための分類サブネットワークから構成されている。
  論文  参考訳（メタデータ） (2020-05-08T03:16:15Z)

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。