Fugu-MT 論文翻訳(概要): Polar Transformation Based Multiple Instance Learning Assisting Weakly Supervised Image Segmentation With Loose Bounding Box Annotations

論文の概要: Polar Transformation Based Multiple Instance Learning Assisting Weakly Supervised Image Segmentation With Loose Bounding Box Annotations

arxiv url: http://arxiv.org/abs/2203.06000v1
Date: Thu, 3 Mar 2022 00:44:40 GMT
ステータス: 処理完了
システム内更新日: 2022-03-20 23:10:01.165306
Title: Polar Transformation Based Multiple Instance Learning Assisting Weakly Supervised Image Segmentation With Loose Bounding Box Annotations
Title（参考訳）: ゆるいバウンディングボックスアノテーションを用いた弱教師付き画像分割を支援する極性変換に基づく多重インスタンス学習
Authors: Juan Wang and Bin Xia
Abstract要約: 本研究では,ゆるい境界ボックスによる画像セグメント化について検討した。極変換に基づく複数のインスタンス学習戦略を示し、ゆるいバウンディングボックスを監督するときに画像セグメンテーションを支援する。
参考スコア（独自算出の注目度）: 5.000514512377416
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: This study investigates weakly supervised image segmentation using loose bounding box supervision. It presents a multiple instance learning strategy based on polar transformation to assist image segmentation when loose bounding boxes are employed as supervision. In this strategy, weighted smooth maximum approximation is introduced to incorporate the observation that pixels closer to the origin of the polar transformation are more likely to belong to the object in the bounding box. The proposed approach was evaluated on a public medical dataset using Dice coefficient. The results demonstrate its superior performance. The codes are available at \url{https://github.com/wangjuan313/wsis-polartransform}.
Abstract（参考訳）: 本研究では,ゆるい境界ボックスによる画像セグメント化について検討した。ゆるいバウンディングボックスを監督として使用する場合のイメージセグメンテーションを支援するために,極性変換に基づく複数インスタンス学習戦略を提案する。この方法では、極性変換の原点に近いピクセルが境界ボックス内のオブジェクトに属する可能性が高いという観測を組み込むために、重み付き滑らかな最大近似が導入された。提案手法はdice係数を用いた公衆医療データセット上で評価した。その結果は優れた性能を示した。コードは \url{https://github.com/wangjuan313/wsis-polartransform} で入手できる。

関連論文リスト

Learning to Rank Patches for Unbiased Image Redundancy Reduction [80.93989115541966]
画像は、隣接する領域の画素が空間的に相関しているため、空間的冗長性に悩まされる。既存のアプローチでは、意味の少ない画像領域を減らし、この制限を克服しようとしている。本稿では,Learning to Rank Patchesと呼ばれる画像冗長性低減のための自己教師型フレームワークを提案する。
論文参考訳（メタデータ） (2024-03-31T13:12:41Z)
Diffusing More Objects for Semi-Supervised Domain Adaptation with Less Labeling [2.941832525496685]
物体検出では、境界ボックスの予測を逆拡散過程として見ることができる。拡散モデルを用いて、ランダムバウンディングボックスは、画像に条件付けされた復調ステップで反復的に洗練される。本稿では、ランダムなバウンディングボックスで各実行を起動し、わずかに異なる予測を組み合わせるアキュムレータ関数を提案する。
論文参考訳（メタデータ） (2023-12-19T09:47:18Z)
Parallax-Tolerant Unsupervised Deep Image Stitching [57.76737888499145]
本稿では,パララックス耐性の非教師あり深層画像縫合技術であるUDIS++を提案する。まず,グローバルなホモグラフィから局所的な薄板スプライン運動への画像登録をモデル化するための,頑健で柔軟なワープを提案する。本研究では, 縫合された画像をシームレスに合成し, シーム駆動合成マスクの教師なし学習を行うことを提案する。
論文参考訳（メタデータ） (2023-02-16T10:40:55Z)
Weakly Supervised Image Segmentation Beyond Tight Bounding Box Annotations [5.000514512377416]
本研究では,ゆるい拘束箱を監督として使用する場合,セグメンテーション性能を良好に維持できるかどうかを検討する。提案した極変換に基づくMIL定式化は、タイトかつゆるいバウンディングボックスの両方で機能する。その結果, 提案手法は, 任意の精度でバウンディングボックスの最先端性能を達成できることが示唆された。
論文参考訳（メタデータ） (2023-01-28T02:11:36Z)
BoxPolyp:Boost Generalized Polyp Segmentation Using Extra Coarse Bounding Box Annotations [79.17754846553866]
我々は、正確なマスクと余分な粗いボックスアノテーションをフル活用するための強化されたBoxPolypモデルを提案する。実際には、従来のポリプセグメンテーションモデルの過度に適合する問題を緩和するためにボックスアノテーションが適用される。提案手法は従来の最先端手法よりも大きなマージンで優れていた。
論文参考訳（メタデータ） (2022-12-07T07:45:50Z)
Using the Polar Transform for Efficient Deep Learning-Based Aorta Segmentation in CTA Images [0.0]
医用画像のセグメンテーションでは、1つの画像上に複数の楕円体をセグメンテーションする必要があることが多い。本稿では,ニューラルネットワークのセマンティックセグメンテーション性能を改善するための一般的なアプローチを提案する。提案手法は,技術状況に応じてセグメンテーションを達成しつつ,ロバスト性や画素レベルのリコールを改善する。
論文参考訳（メタデータ） (2022-06-21T12:18:02Z)
Interpolation-based Correlation Reduction Network for Semi-Supervised Graph Learning [49.94816548023729]
補間型相関低減ネットワーク(ICRN)と呼ばれる新しいグラフコントラスト学習手法を提案する。提案手法では,決定境界のマージンを大きくすることで,潜在特徴の識別能力を向上させる。この2つの設定を組み合わせることで、豊富なラベル付きノードと稀に価値あるラベル付きノードから豊富な監視情報を抽出し、離散表現学習を行う。
論文参考訳（メタデータ） (2022-06-06T14:26:34Z)
Unsupervised Domain Adaptation with Contrastive Learning for OCT Segmentation [49.59567529191423]
本稿では,新しい未ラベル領域からのボリューム画像のセグメンテーションのための,新しい半教師付き学習フレームワークを提案する。教師付き学習とコントラスト学習を併用し、3次元の近傍スライス間の類似性を利用したコントラストペア方式を導入する。
論文参考訳（メタデータ） (2022-03-07T19:02:26Z)
Bounding Box Tightness Prior for Weakly Supervised Image Segmentation [5.517632401040172]
ディープニューラルネットワーク以前のバウンディングボックスのタイツネスをエンドツーエンドで統合するために、一般化された多重インスタンス学習(MIL)と滑らかな最大近似を提案する。提案手法はDice係数を用いて2つのパビック医療データセットを用いて評価した。
論文参考訳（メタデータ） (2021-10-03T06:19:20Z)
Contour Integration using Graph-Cut and Non-Classical Receptive Field [4.935491924643742]
本稿では,他のアルゴリズムのエッジセグメントから画像の輪郭を検出する新しい手法を提案する。提案したエネルギー関数は、テクスチャノイズを抑制するのに役立つ一次視覚野の周囲変調にインスパイアされている。
論文参考訳（メタデータ） (2020-10-27T19:07:13Z)
Contrastive Rendering for Ultrasound Image Segmentation [59.23915581079123]
米国の画像にシャープな境界がないことは、セグメンテーションに固有の課題である。我々は,US画像における境界推定を改善するための,新しい,効果的なフレームワークを提案する。提案手法は最先端の手法より優れており,臨床応用の可能性も高い。
論文参考訳（メタデータ） (2020-10-10T07:14:03Z)

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。