論文の概要: Color Invariant Skin Segmentation
- arxiv url: http://arxiv.org/abs/2204.09882v2
- Date: Fri, 22 Apr 2022 19:48:00 GMT
- ステータス: 処理完了
- システム内更新日: 2022-04-26 10:33:07.407886
- Title: Color Invariant Skin Segmentation
- Title（参考訳）: 色変化型皮膚セグメンテーション
- Authors: Han Xu, Abhijit Sarkar, A. Lynn Abbott
- Abstract要約: 本稿では,カラー情報に頼らずに画像中の皮膚を自動的に検出する問題に対処する。
この研究の主な動機は、皮膚のトーン全体にわたって一貫性のある結果を達成することである。
我々はそのような情報がない場合によく機能する新しいアプローチを提案する。
- 参考スコア（独自算出の注目度）: 17.501659517108884
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This paper addresses the problem of automatically detecting human skin in
images without reliance on color information. A primary motivation of the work
has been to achieve results that are consistent across the full range of skin
tones, even while using a training dataset that is significantly biased toward
lighter skin tones. Previous skin-detection methods have used color cues almost
exclusively, and we present a new approach that performs well in the absence of
such information. A key aspect of the work is dataset repair through
augmentation that is applied strategically during training, with the goal of
color invariant feature learning to enhance generalization. We have
demonstrated the concept using two architectures, and experimental results show
improvements in both precision and recall for most Fitzpatrick skin tones in
the benchmark ECU dataset. We further tested the system with the RFW dataset to
show that the proposed method performs much more consistently across different
ethnicities, thereby reducing the chance of bias based on skin color. To
demonstrate the effectiveness of our work, extensive experiments were performed
on grayscale images as well as images obtained under unconstrained illumination
and with artificial filters. Source code:
https://github.com/HanXuMartin/Color-Invariant-Skin-Segmentation
- Abstract（参考訳）: 本稿では,カラー情報に頼らずに画像中の肌を自動的に検出する問題に対処する。
この研究の主な動機は、より軽い皮膚のトーンにかなり偏ったトレーニングデータセットを使用しても、皮膚のトーン全体にわたって一貫性のある結果を達成することである。
従来の皮膚検出法では,色覚をほぼ排他的に用いており,そのような情報がない場合にも有効に機能する新しいアプローチを提案する。
この作業の重要な側面は、トレーニング中に戦略的に適用される拡張によるデータセットの修復であり、一般化を促進するために色不変特徴学習(color invariant feature learning)を目標としている。
我々は,この概念を2つのアーキテクチャを用いて実証し,実験結果から,ベンチマークECUデータセットのほとんどのFitzpatrickスキントーンに対する精度とリコールの改善が示された。
さらにrfwデータセットを用いて実験を行い,提案手法が異なる民族間でより一貫して機能することを示し,肌色に基づくバイアスの可能性を低減した。
本研究の有効性を実証するため, グレースケール画像と非拘束照明下で得られた画像と人工フィルタを用いて広範囲な実験を行った。
ソースコード:https://github.com/HanXuMartin/Color-Invariant-Skin-Segmentation
関連論文リスト
- Is thermography a viable solution for detecting pressure injuries in dark skin patients? [3.8856323181885633]
圧力障害(PI)の検出は特に暗い肌の色調において困難である。
深層学習モデルは、PIを確実に検出する大きな可能性を証明している。
より暗い肌色に焦点をあてた35人の被験者による新しい熱・光学画像データセットを導入する。
我々は、すべての皮膚のトーン上の熱画像または光学画像に基づいて訓練された小さな畳み込みニューラルネットワーク(CNN)の性能を比較した。
論文 参考訳（メタデータ） (2024-11-15T23:22:21Z) - DDI-CoCo: A Dataset For Understanding The Effect Of Color Contrast In
Machine-Assisted Skin Disease Detection [51.92255321684027]
皮膚のトーンと色差効果の相互作用について検討し,色差が皮膚のトーン間のモデル性能バイアスの新たな原因となる可能性が示唆された。
我々の研究は皮膚疾患の検出を改善するために皮膚科のAIに補完的な角度を提供する。
論文 参考訳（メタデータ） (2024-01-24T07:45:24Z) - Neural Color Operators for Sequential Image Retouching [62.99812889713773]
本稿では,新たに導入したトレーニング可能なニューラルカラー演算子のシーケンスとして,リタッチ処理をモデル化して,新しい画像リタッチ手法を提案する。
ニューラルカラー演算子は、従来のカラー演算子の振舞いを模倣し、その強度をスカラーで制御しながらピクセルワイズな色変換を学習する。
定量的な測定と視覚的品質の両面で,SOTA法と比較して常に最良の結果が得られている。
論文 参考訳（メタデータ） (2022-07-17T05:33:19Z) - Meta Balanced Network for Fair Face Recognition [51.813457201437195]
我々は、データとアルゴリズムの両方の側面からバイアスを体系的に科学的に研究する。
本稿では,メタバランスネットワーク(MBN)と呼ばれるメタ学習アルゴリズムを提案する。
大規模な実験により、MBNは偏見を緩和し、顔認識において異なる肌のトーンを持つ人々に対してよりバランスの取れたパフォーマンスを学ぶことができた。
論文 参考訳（メタデータ） (2022-05-13T10:25:44Z) - Detecting Recolored Image by Spatial Correlation [60.08643417333974]
画像のリカラー化は、画像の色値を操作して新しいスタイルを与える、新たな編集技術である。
本稿では,空間相関の観点から,従来型と深層学習による再色検出の汎用的検出能力を示す解を探索する。
提案手法は,複数のベンチマークデータセット上での最先端検出精度を実現し,未知の種類の再色法を適切に一般化する。
論文 参考訳（メタデータ） (2022-04-23T01:54:06Z) - Detecting Melanoma Fairly: Skin Tone Detection and Debiasing for Skin
Lesion Classification [5.71097144710995]
修正された変分オートエンコーダを用いて、ベンチマークとして一般的に使用されるデータセットの皮膚のトーンバイアスを明らかにする。
病変画像の皮膚のトーンを自動的にラベル付けする,効率的かつ効率的なアルゴリズムを提案する。
その後、皮膚のトーンバイアスを軽減するために2つの主要なバイアスアンラーニング技術を使用します。
論文 参考訳（メタデータ） (2022-02-06T18:53:06Z) - Degrade is Upgrade: Learning Degradation for Low-light Image Enhancement [52.49231695707198]
2段階の工程で細部と色を精錬しながら、内在的な劣化と低照度画像を照らし出す。
カラー画像の定式化に触発されて,まず低照度入力からの劣化を推定し,環境照明色の歪みをシミュレーションし,そのコンテンツを精錬して拡散照明色の損失を回復した。
LOL1000データセットではPSNRで0.95dB、ExDarkデータセットでは3.18%のmAPでSOTAを上回った。
論文 参考訳（メタデータ） (2021-03-19T04:00:27Z) - CoRe: Color Regression for Multicolor Fashion Garments [80.57724826629176]
本稿では,RGBの正確な値を予測するために,色検出を回帰問題として扱う。
新たに提案したアーキテクチャの洗練のための第2のレグレッションステージも含んでいます。
このアーキテクチャはモジュラーであり、多色衣料のすべての色のRGBを検出するために容易に拡張される。
論文 参考訳（メタデータ） (2020-10-06T16:12:30Z) - Illumination-based Transformations Improve Skin Lesion Segmentation in
Dermoscopic Images [17.60847055233247]
皮膚の照明と画像の物理から抽出したRGB画像と合わせて,最初の深部画像セマンティック・セマンティック・セマンティクス・フレームワークを提案する。
本手法は,ISIC 2017 Skin Lesion Challenge, DermoFit Image Library, PH2データセットの3つのデータセットに対して評価を行った。
論文 参考訳（メタデータ） (2020-03-23T07:43:35Z) - Real-time Segmentation and Facial Skin Tones Grading [6.222979369834314]
本稿では, 深層畳み込みニューラルネットワーク(DCNN)を用いた, 毛髪および顔面皮膚のセグメンテーションのための効率的なセグメンテーション法を提案する。
CPU環境では、Figaro1kデータセット上の90.73%のPixel精度を16FPS以上で達成しています。
さらに,肌の色調評価にマスクカラーモーメントを用い,約80%の分類精度で提案手法の有効性を実証した。
論文 参考訳（メタデータ） (2019-12-30T11:35:36Z)
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。