論文の概要: Region Proposal Rectification Towards Robust Instance Segmentation of Biological Images

• arxiv url: http://arxiv.org/abs/2203.02846v1
• Date: Sun, 6 Mar 2022 01:33:04 GMT
• ステータス: 処理完了
• システム内更新日: 2022-03-08 17:20:34.338351
• Title: Region Proposal Rectification Towards Robust Instance Segmentation of Biological Images
• Title（参考訳）: 生体画像のロバストインスタンスセグメンテーションに向けた領域提案
• Authors: Qilong Zhangli, Jingru Yi, Di Liu, Xiaoxiao He, Zhaoyang Xia, Haiming Tang, He Wang, Mu Zhou, Dimitris Metaxas
• Abstract要約: 本稿では,この課題に対処する領域提案修正(RPR)モジュールを提案する。 追加の近隣情報により、提案したRPRモジュールは、地域提案位置の補正を著しく改善したことを示す。 実験により,提案RPRモジュールはアンカーベースとアンカーフリーなトップダウンインスタンスセグメンテーションアプローチの両方に有効であることが示された。
• 参考スコア（独自算出の注目度）: 10.618508051893649
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Top-down instance segmentation framework has shown its superiority in object detection compared to the bottom-up framework. While it is efficient in addressing over-segmentation, top-down instance segmentation suffers from over-crop problem. However, a complete segmentation mask is crucial for biological image analysis as it delivers important morphological properties such as shapes and volumes. In this paper, we propose a region proposal rectification (RPR) module to address this challenging incomplete segmentation problem. In particular, we offer a progressive ROIAlign module to introduce neighbor information into a series of ROIs gradually. The ROI features are fed into an attentive feed-forward network (FFN) for proposal box regression. With additional neighbor information, the proposed RPR module shows significant improvement in correction of region proposal locations and thereby exhibits favorable instance segmentation performances on three biological image datasets compared to state-of-the-art baseline methods. Experimental results demonstrate that the proposed RPR module is effective in both anchor-based and anchor-free top-down instance segmentation approaches, suggesting the proposed method can be applied to general top-down instance segmentation of biological images.
• Abstract（参考訳）: トップダウンのインスタンスセグメンテーションフレームワークは、ボトムアップフレームワークと比較してオブジェクト検出の優位性を示している。 オーバセグメンテーションに対処するのに効率的だが、トップダウンインスタンスのセグメンテーションはオーバークロップの問題に苦しむ。 しかし、形状や体積などの重要な形態特性を提供するため、生体画像解析には完全なセグメンテーションマスクが不可欠である。 本稿では,この課題に対処する領域提案修正(RPR)モジュールを提案する。 特に、近辺情報を一連のROIに徐々に導入するプログレッシブROIAlignモジュールを提供する。 ROI機能は、提案ボックスの回帰のために注意深いフィードフォワードネットワーク(FFN)にフィードされる。 さらに,提案するrprモジュールは,領域提案位置の補正が著しく向上し,最先端のベースライン手法と比較して,3つの生体画像データセットにおいて好適なインスタンス分割性能を示す。 実験により,提案モジュールはアンカーベースおよびアンカーフリーなトップダウンインスタンスセグメンテーション手法の両方において有効であることが示され,提案手法が生物画像の一般的なトップダウンインスタンスセグメンテーションに適用可能であることが示唆された。

関連論文リスト

• iSeg: An Iterative Refinement-based Framework for Training-free Segmentation [85.58324416386375]
  本稿では,自己注意マップを用いた横断注意マップの繰り返し精錬に関する実験的検討を行った。 トレーニング不要セグメンテーションのための効果的な反復改良フレームワークiSegを提案する。 提案したiSegは,mIoUの3.8%の絶対ゲインを達成している。
  論文  参考訳（メタデータ） (2024-09-05T03:07:26Z)
• Rotated Multi-Scale Interaction Network for Referring Remote Sensing Image Segmentation [63.15257949821558]
  Referring Remote Sensing Image (RRSIS)は、コンピュータビジョンと自然言語処理を組み合わせた新しい課題である。 従来の参照画像(RIS)アプローチは、空中画像に見られる複雑な空間スケールと向きによって妨げられている。 本稿ではRMSIN(Rotated Multi-Scale Interaction Network)を紹介する。
  論文  参考訳（メタデータ） (2023-12-19T08:14:14Z)
• SwIPE: Efficient and Robust Medical Image Segmentation with Implicit Patch Embeddings [12.79344668998054]
  正確な局所境界線とグローバルな形状コヒーレンスを実現するために,SwIPE(Segmentation with Implicit Patch Embeddings)を提案する。 その結果,最近の暗黙的アプローチよりもSwIPEは大幅に改善され,パラメータが10倍以上の最先端の離散手法よりも優れていた。
  論文  参考訳（メタデータ） (2023-07-23T20:55:11Z)
• SMC-UDA: Structure-Modal Constraint for Unsupervised Cross-Domain Renal Segmentation [100.86339246424541]
  本稿では、識別パラダイムに基づく新しい構造モード制約(SMC) UDA フレームワークを提案し、ドメイン間のブリッジとしてエッジ構造を導入する。 構造に制約のある自己学習とプログレッシブROIでは,エッジの3次元空間構造を見極めることで腎臓を分節する。 実験の結果,提案するSMC-UDAの一般化は良好であり,生成的UDA法よりも優れていた。
  論文  参考訳（メタデータ） (2023-06-14T02:57:23Z)
• CM-MaskSD: Cross-Modality Masked Self-Distillation for Referring Image Segmentation [29.885991324519463]
  本稿では,CM-MaskSD という新しいクロスモーダルマスク型自己蒸留フレームワークを提案する。 提案手法は,CLIPモデルから画像テキストセマンティックアライメントの伝達知識を継承し,きめ細かいパッチワード特徴アライメントを実現する。 我々のフレームワークはパラメータフリーに近い方法でモデル性能を大幅に向上させることができる。
  論文  参考訳（メタデータ） (2023-05-19T07:17:27Z)
• Semantic Attention and Scale Complementary Network for Instance Segmentation in Remote Sensing Images [54.08240004593062]
  本稿では,セマンティックアテンション(SEA)モジュールとスケール補完マスクブランチ(SCMB)で構成される,エンドツーエンドのマルチカテゴリインスタンスセグメンテーションモデルを提案する。 SEAモジュールは、機能マップ上の興味あるインスタンスのアクティベーションを強化するために、追加の監督を備えた、単純な完全な畳み込みセマンティックセマンティックセマンティクスブランチを含んでいる。 SCMBは、元のシングルマスクブランチをトリデントマスクブランチに拡張し、異なるスケールで補完マスクの監視を導入する。
  論文  参考訳（メタデータ） (2021-07-25T08:53:59Z)
• Reconstruction and Segmentation of Parallel MR Data using Image Domain DEEP-SLR [25.077510176642807]
  我々は、アンダーサンプリングされたPMRIデータのキャリブレーションレスリカバリのための画像ドメインディープネットワークを提案する。 分割誤りを最小限に抑えるため,提案手法を分割ネットワークと組み合わせ,エンドツーエンドで学習した。 分割誤差の低減に加えて,オーバーフィッティングの低減による再構成性能の向上も実現している。
  論文  参考訳（メタデータ） (2021-02-01T21:15:59Z)
• Unsupervised Instance Segmentation in Microscopy Images via Panoptic Domain Adaptation and Task Re-weighting [86.33696045574692]
  病理組織像における教師なし核分割のためのCycle Consistency Panoptic Domain Adaptive Mask R-CNN(CyC-PDAM)アーキテクチャを提案する。 まず,合成画像中の補助的な生成物を除去するための核塗布機構を提案する。 第二に、ドメイン識別器を持つセマンティックブランチは、パンプトレベルのドメイン適応を実現するように設計されている。
  論文  参考訳（メタデータ） (2020-05-05T11:08:26Z)
• Unsupervised Bidirectional Cross-Modality Adaptation via Deeply Synergistic Image and Feature Alignment for Medical Image Segmentation [73.84166499988443]
  我々は、Synergistic Image and Feature Alignment (SIFA)と名付けられた新しい教師なしドメイン適応フレームワークを提案する。 提案するSIFAは、画像と特徴の両方の観点から、ドメインの相乗的アライメントを行う。 2つの異なるタスクに対する実験結果から,SIFA法は未ラベル対象画像のセグメンテーション性能を向上させるのに有効であることが示された。
  論文  参考訳（メタデータ） (2020-02-06T13:49:47Z)

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。