論文の概要: BlazeNeo: Blazing fast polyp segmentation and neoplasm detection
- arxiv url: http://arxiv.org/abs/2203.00129v1
- Date: Mon, 28 Feb 2022 22:58:47 GMT
- ステータス: 処理完了
- システム内更新日: 2022-03-02 14:47:57.038765
- Title: BlazeNeo: Blazing fast polyp segmentation and neoplasm detection
- Title（参考訳）: BlazeNeo:高速ポリープセグメンテーションと腫瘍検出
- Authors: Nguyen Sy An, Phan Ngoc Lan, Dao Viet Hang, Dao Van Long, Tran Quang
Trung, Nguyen Thi Thuy, Dinh Viet Sang
- Abstract要約: 本稿では,ポリプセグメンテーションとネオプラズマ検出のための,BlazeNeoと呼ばれる新しいディープニューラルネットワークアーキテクチャを提案する。
我々の実験によると、BlazeNeoは最先端の手法に対して同等の精度を維持しながら、レイテンシとモデルサイズの改善を実現している。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: In recent years, computer-aided automatic polyp segmentation and neoplasm
detection have been an emerging topic in medical image analysis, providing
valuable support to colonoscopy procedures. Attentions have been paid to
improving the accuracy of polyp detection and segmentation. However, not much
focus has been given to latency and throughput for performing these tasks on
dedicated devices, which can be crucial for practical applications. This paper
introduces a novel deep neural network architecture called BlazeNeo, for the
task of polyp segmentation and neoplasm detection with an emphasis on
compactness and speed while maintaining high accuracy. The model leverages the
highly efficient HarDNet backbone alongside lightweight Receptive Field Blocks
for computational efficiency, and an auxiliary training mechanism to take full
advantage of the training data for the segmentation quality. Our experiments on
a challenging dataset show that BlazeNeo achieves improvements in latency and
model size while maintaining comparable accuracy against state-of-the-art
methods. When deploying on the Jetson AGX Xavier edge device in INT8 precision,
our BlazeNeo achieves over 155 fps while yielding the best accuracy among all
compared methods.
- Abstract（参考訳）: 近年,コンピュータ支援型自動ポリープ分画と腫瘍検出が医療画像解析において新たな話題となり,大腸内視鏡検査に有用である。
ポリープ検出とセグメンテーションの精度を向上させるために注意が払われている。
しかしながら、これらのタスクを専用のデバイスで実行するためのレイテンシとスループットにはあまり注目されていない。
本稿では,精度を維持しつつ,コンパクト性と速度を重視したポリプセグメンテーションと新生物検出の課題として,blazeneoと呼ばれる新しい深層ニューラルネットワークアーキテクチャを提案する。
このモデルは、計算効率のために軽量な受容場ブロックと高効率なハードネットバックボーン、および補助訓練機構を併用して、セグメンテーション品質のトレーニングデータを最大限活用する。
挑戦的なデータセットに関する実験では、blazeneoは最先端のメソッドと同等の精度を維持しながら、レイテンシとモデルサイズの改善を実現しています。
INT8の精度でJetson AGX Xavierエッジデバイスにデプロイすると、BlazeNeoは155fps以上を達成し、比較したすべてのメソッドで最高の精度が得られる。
関連論文リスト
- SparseFormer: Detecting Objects in HRW Shots via Sparse Vision Transformer [62.11796778482088]
本稿では,近接撮影とHRW撮影のオブジェクト検出のギャップを埋めるために,SparseFormerと呼ばれるモデル非依存のスパース視覚変換器を提案する。
提案されたSparseFormerは、オブジェクトを含む可能性のあるスパース分散ウィンドウを精査するために、注意トークンを選択的に使用する。
2つのHRWベンチマークであるPANDAとDOTA-v1.0の実験により、提案されたSparseFormerは、最先端のアプローチよりも検出精度(最大5.8%)と速度(最大3倍)を大幅に改善することを示した。
論文 参考訳（メタデータ） (2025-02-11T03:21:25Z) - BetterNet: An Efficient CNN Architecture with Residual Learning and Attention for Precision Polyp Segmentation [0.6062751776009752]
本研究では,ポリプセグメンテーションの精度を高めるために,残差学習と注意法を組み合わせた畳み込みニューラルネットワークアーキテクチャであるBetterNetを提案する。
BetterNetは、ポリープの検出と癌の早期認識を強化するために、コンピュータ支援診断技術を統合することを約束している。
論文 参考訳（メタデータ） (2024-05-05T21:08:49Z) - SLP-Net:An efficient lightweight network for segmentation of skin
lesions [9.812172372998358]
SLP-Netは、スパイキングニューラルP(SNP)システム型機構に基づく超軽量皮膚病変セグメンテーションネットワークである。
通常のエンコーダ・デコーダ構造を持たない軽量なマルチスケール特徴抽出器を設計する。
ISIC2018チャレンジの実験では、提案されたモデルが最先端の手法の中で最も高いAccとDSCを持つことを示した。
論文 参考訳（メタデータ） (2023-12-20T06:22:21Z) - Global Context Aggregation Network for Lightweight Saliency Detection of
Surface Defects [70.48554424894728]
我々は,エンコーダ・デコーダ構造上の表面欠陥を簡易に検出するためのGCANet(Global Context Aggregation Network)を開発した。
まず、軽量バックボーンの上部層に新しいトランスフォーマーエンコーダを導入し、DSA(Depth-wise Self-Attention)モジュールを通じてグローバルなコンテキスト情報をキャプチャする。
3つの公開欠陥データセットの実験結果から,提案したネットワークは,他の17の最先端手法と比較して,精度と実行効率のトレードオフを良好に達成できることが示された。
論文 参考訳（メタデータ） (2023-09-22T06:19:11Z) - Neural Network Pruning for Real-time Polyp Segmentation [8.08470060885395]
ポリプセグメンテーションにおけるニューラルネットワークプルーニングの適用例を示す。
畳み込みフィルタの重要スコアを計算し、最小スコアを持つフィルタを除去する。
論文 参考訳（メタデータ） (2023-06-22T21:03:50Z) - Multi Kernel Positional Embedding ConvNeXt for Polyp Segmentation [7.31341312596412]
本稿では,ConvNeXtバックボーンとMulti Kernel Positional Embeddingブロックで構成される新しいフレームワークを提案する。
我々のモデルは,Kvasir-SEGデータセット上でのDice係数0.8818とIOUスコア0.8163を達成する。
論文 参考訳（メタデータ） (2023-01-17T03:12:57Z) - 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) - Colonoscopy polyp detection with massive endoscopic images [4.458670612147842]
我々は、異なるデータセットで検証された平均精度を向上し、既存のエンドツーエンドのポリプ検出モデルを改善した。
我々のモデルは、リアルタイム検出速度を維持しつつ、最先端のポリプ検出性能を実現することができる。
論文 参考訳（メタデータ） (2022-02-17T16:07:59Z) - An Uncertainty-Driven GCN Refinement Strategy for Organ Segmentation [53.425900196763756]
本研究では,不確実性解析とグラフ畳み込みネットワークに基づくセグメンテーション改善手法を提案する。
半教師付きグラフ学習問題を定式化するために、特定の入力ボリュームにおける畳み込みネットワークの不確実性レベルを用いる。
本手法は膵臓で1%,脾臓で2%向上し,最先端のCRF改善法よりも優れていた。
論文 参考訳（メタデータ） (2020-12-06T18:55:07Z) - Bayesian Optimization with Machine Learning Algorithms Towards Anomaly
Detection [66.05992706105224]
本稿では,ベイズ最適化手法を用いた効果的な異常検出フレームワークを提案する。
ISCX 2012データセットを用いて検討したアルゴリズムの性能を評価する。
実験結果から, 精度, 精度, 低コストアラームレート, リコールの観点から, 提案手法の有効性が示された。
論文 参考訳（メタデータ） (2020-08-05T19:29:35Z) - AQD: Towards Accurate Fully-Quantized Object Detection [94.06347866374927]
本稿では,浮動小数点演算を除去するために,AQDと呼ばれる高精度な量子化オブジェクト検出ソリューションを提案する。
我々のAQDは、非常に低ビットのスキームの下での完全精度と比較して、同等またはそれ以上の性能を実現しています。
論文 参考訳（メタデータ） (2020-07-14T09:07:29Z)
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。