論文の概要: Image Processing Methods for Coronal Hole Segmentation, Matching, and
Map Classification
- arxiv url: http://arxiv.org/abs/2201.01380v1
- Date: Tue, 4 Jan 2022 23:19:53 GMT
- ステータス: 処理完了
- システム内更新日: 2022-01-06 19:34:26.613522
- Title: Image Processing Methods for Coronal Hole Segmentation, Matching, and
Map Classification
- Title（参考訳）: コロナホールセグメンテーション、マッチング、マップ分類のための画像処理方法
- Authors: V. Jatla, M.S. Pattichis, and C.N. Arge
- Abstract要約: 目的は、物理モデルを使って地磁気嵐を予測することである。
問題を3つのサブプロブレムに分解する: (i) 物理的制約に基づくコロナホールセグメンテーション, (ii) 異なる写像間のコロナホールのクラスタマッチング, (iii) 物理地図分類。
提案手法は,精度の高い境界検出を提供することで,SegNet,U-net,Henney-Harvey,FCNを著しく上回る性能を示した。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The paper presents the results from a multi-year effort to develop and
validate image processing methods for selecting the best physical models based
on solar image observations. The approach consists of selecting the physical
models based on their agreement with coronal holes extracted from the images.
Ultimately, the goal is to use physical models to predict geomagnetic storms.
We decompose the problem into three subproblems: (i) coronal hole segmentation
based on physical constraints, (ii) matching clusters of coronal holes between
different maps, and (iii) physical map classification. For segmenting coronal
holes, we develop a multi-modal method that uses segmentation maps from three
different methods to initialize a level-set method that evolves the initial
coronal hole segmentation to the magnetic boundary. Then, we introduce a new
method based on Linear Programming for matching clusters of coronal holes. The
final matching is then performed using Random Forests. The methods were
carefully validated using consensus maps derived from multiple readers, manual
clustering, manual map classification, and method validation for 50 maps. The
proposed multi-modal segmentation method significantly outperformed SegNet,
U-net, Henney-Harvey, and FCN by providing accurate boundary detection.
Overall, the method gave a 95.5% map classification accuracy.
- Abstract（参考訳）: 本稿では,太陽観測に基づく最適物理モデル選択のための画像処理手法を複数年にわたって開発・検証し,その成果について述べる。
アプローチは、画像から抽出されたコロナホールとの一致に基づいて物理モデルを選択することで構成される。
究極の目標は、物理モデルを使って地磁気嵐を予測することだ。
問題を3つの部分問題に分解します
(i)物理的制約に基づくコロナホールセグメンテーション
(二)異なる地図間のコロナホールのクラスタのマッチング
(iii)物理地図の分類。
コロナホールのセグメンテーションのために,3つの異なる方法からのセグメンテーションマップを用いて,初期コロナホールセグメンテーションを磁気境界に進化させるレベルセット法を初期化するマルチモーダル法を開発した。
そこで我々は,コロナホールのクラスタをマッチングするための線形プログラミングに基づく新しい手法を提案する。
最終戦はランダム・フォレスト(Random Forests)で行われる。
提案手法は,複数リーダからのコンセンサスマップ,手動クラスタリング,手動マップ分類,50マップのメソッド検証などを用いて,慎重に検証された。
提案手法は,精度の高い境界検出を提供することで,SegNet,U-net,Henney-Harvey,FCNを著しく上回る性能を示した。
概して、この方法は95.5%の地図分類精度を示した。
関連論文リスト
- Parallax-tolerant Image Stitching via Segmentation-guided Multi-homography Warping [14.098118907921947]
画像セグメンテーションによって導かれるマルチホモグラフィーワープを用いた新しい画像縫合法を提案する。
提案手法は,最先端の手法と比較して,大きなマージンで最適アライメント精度を提供する。
論文 参考訳（メタデータ） (2024-06-28T13:51:59Z) - Ensemble Quadratic Assignment Network for Graph Matching [52.20001802006391]
グラフマッチングはコンピュータビジョンやパターン認識において一般的に用いられる技法である。
最近のデータ駆動型アプローチは、グラフマッチングの精度を著しく改善した。
データ駆動手法と従来の手法の利点を組み合わせたグラフニューラルネットワーク(GNN)に基づくアプローチを提案する。
論文 参考訳（メタデータ） (2024-03-11T06:34:05Z) - Segmentation of Tubular Structures Using Iterative Training with
Tailored Samples [3.079694232219292]
分割マスクを同時に計算し,線トポロジーを用いた管状構造物の中心線を抽出する最小経路法を提案する。
本手法は, セグメンテーションマスクとセンターラインの両面において, 最先端の結果を得る。
論文 参考訳（メタデータ） (2023-09-15T19:25:18Z) - CorrMatch: Label Propagation via Correlation Matching for
Semi-Supervised Semantic Segmentation [73.89509052503222]
本稿では、CorrMatchと呼ばれる、単純だが実行可能な半教師付きセマンティックセマンティックセマンティックセマンティクス手法を提案する。
相関写像は、同一カテゴリのクラスタリングピクセルを容易に実現できるだけでなく、良好な形状情報も含んでいることを観察する。
我々は,高信頼画素を拡大し,さらに掘り出すために,画素の対の類似性をモデル化して画素伝搬を行う。
そして、相関地図から抽出した正確なクラス非依存マスクを用いて、領域伝搬を行い、擬似ラベルを強化する。
論文 参考訳（メタデータ） (2023-06-07T10:02:29Z) - PointInst3D: Segmenting 3D Instances by Points [136.7261709896713]
本稿では,ポイント単位の予測方式で機能する,完全畳み込み型3Dポイントクラウドインスタンスセグメンテーション手法を提案する。
その成功の鍵は、各サンプルポイントに適切なターゲットを割り当てることにある。
提案手法はScanNetとS3DISのベンチマークで有望な結果が得られる。
論文 参考訳（メタデータ） (2022-04-25T02:41:46Z) - SegDiff: Image Segmentation with Diffusion Probabilistic Models [81.16986859755038]
拡散確率法は最先端の画像生成に使用される。
画像分割を行うためにそのようなモデルを拡張する方法を提案する。
この方法は、トレーニング済みのバックボーンに頼ることなく、エンドツーエンドで学習する。
論文 参考訳（メタデータ） (2021-12-01T10:17:25Z) - Uncertainty-Based Dynamic Graph Neighborhoods For Medical Segmentation [0.0]
セグメンテーションの結果の処理と精錬は、セグメンテーションネットワークから派生した誤分類を減らすための一般的な手法である。
グラフベースのアプローチでは、グラフ内の特定の不確実点を利用し、小さなグラフ畳み込みネットワーク(GCN)に従ってセグメンテーションを洗練する。
本稿では,特徴距離に応じた新しい隣人選択機構を提案し,トレーニング手順における2つのネットワークの組み合わせを提案する。
論文 参考訳（メタデータ） (2021-08-06T13:39:35Z) - PointFlow: Flowing Semantics Through Points for Aerial Image
Segmentation [96.76882806139251]
本論文では,FPN(Feature Pyramid Network)フレームワークに基づく点親和性伝播モジュールであるPointFlowを提案する。
密接な親和性学習ではなく、隣接する特徴間の選択された点にスパース親和性マップを生成する。
3つの異なる空中セグメンテーションデータセットの実験結果から,提案手法は最先端の汎用セグメンテーション法よりも効率的かつ効率的であることが示唆された。
論文 参考訳（メタデータ） (2021-03-11T09:42:32Z) - A Fast Point Cloud Ground Segmentation Approach Based on Coarse-To-Fine
Markov Random Field [0.32546166337127946]
粗いマルコフ確率場(MRF)法に基づく高速点雲場分割手法を提案する。
提案手法は, 地盤のセグメンテーション精度の点で他のアルゴリズムよりも優れていることを示した。
論文 参考訳（メタデータ） (2020-11-26T06:07:24Z) - Weakly-Supervised Segmentation for Disease Localization in Chest X-Ray
Images [0.0]
医用胸部X線画像のセマンティックセグメンテーションに対する新しいアプローチを提案する。
本手法は肺と胸壁の間の異常な空気量を検出するための胸部X線検査に適用可能である。
論文 参考訳（メタデータ） (2020-07-01T20:48:35Z) - There and Back Again: Revisiting Backpropagation Saliency Methods [87.40330595283969]
正当性法は,各入力サンプルの重要度マップを作成することによって,モデルの予測を説明する。
このような手法の一般的なクラスは、信号のバックプロパゲートと結果の勾配の分析に基づいている。
本稿では,そのような手法を統一可能な単一のフレームワークを提案する。
論文 参考訳（メタデータ） (2020-04-06T17:58:08Z)
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。