論文の概要: On Learning the Invisible in Photoacoustic Tomography with Flat
Directionally Sensitive Detector
- arxiv url: http://arxiv.org/abs/2204.10001v1
- Date: Thu, 21 Apr 2022 09:57:01 GMT
- ステータス: 処理完了
- システム内更新日: 2022-04-22 14:23:18.339355
- Title: On Learning the Invisible in Photoacoustic Tomography with Flat
Directionally Sensitive Detector
- Title（参考訳）: フラット指向性検出器を用いた光音響トモグラフィの可視性学習について
- Authors: Bolin Pan, Marta M. Betcke
- Abstract要約: 本稿では,センサの入射波面方向に対する感度の変化に起因する第2のタイプに着目した。
画像領域とデータ領域における可視範囲は、波面方向マッピングによって関連付けられる。
我々は、高速な近似演算子と調整された深層ニューラルネットワークアーキテクチャを最適に組み合わせて、効率的な学習的再構成手法を提案する。
- 参考スコア（独自算出の注目度）: 0.27074235008521236
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In photoacoustic tomography (PAT) with flat sensor, we routinely encounter
two types of limited data. The first is due to using a finite sensor and is
especially perceptible if the region of interest is large relatively to the
sensor or located farther away from the sensor. In this paper, we focus on the
second type caused by a varying sensitivity of the sensor to the incoming
wavefront direction which can be modelled as binary i.e. by a cone of
sensitivity. Such visibility conditions result, in Fourier domain, in a
restriction of both the image and the data to a bowtie, akin to the one
corresponding to the range of the forward operator. The visible ranges, in
image and data domains, are related by the wavefront direction mapping. We
adapt the wedge restricted Curvelet decomposition, we previously proposed for
the representation of the full PAT data, to separate the visible and invisible
wavefronts in the image. We optimally combine fast approximate operators with
tailored deep neural network architectures into efficient learned
reconstruction methods which perform reconstruction of the visible coefficients
and the invisible coefficients are learned from a training set of similar data.
- Abstract（参考訳）: フラットセンサを用いた光音響トモグラフィ(PAT)では,2種類のデータに定期的に遭遇する。
1つ目は有限センサを使用することであり、特に興味のある領域がセンサーに対して相対的に大きい場合や、センサーから遠く離れている場合、知覚可能である。
本稿では,センサの入射波面方向に対する感度の変化に起因する第2のタイプに着目し,感度のコーンによって2値としてモデル化する。
このような可視性条件は、フーリエ領域において、画像とデータをボウタイに制限することで、フォワード演算子の範囲に対応するものと類似する。
画像およびデータ領域における可視範囲は、波面方向マッピングによって関連付けられる。
我々は、画像中の可視波面と見えない波面を分離するために、全PATデータの表現のために、ウェッジ制限された曲線分解を適用した。
高速近似演算子と深層ニューラルネットワークアーキテクチャを最適に組み合わせ,可視係数の再構成を行い,類似データのトレーニングセットから可視係数を学習する効率的な学習再構成手法を提案する。
関連論文リスト
- Adaptive Domain Learning for Cross-domain Image Denoising [57.4030317607274]
本稿では,クロスドメイン画像認識のための適応型ドメイン学習手法を提案する。
私たちは、異なるセンサー(ソースドメイン)からの既存のデータに加えて、新しいセンサー(ターゲットドメイン)からの少量のデータを使用します。
ADLトレーニングスキームは、ターゲットドメインのモデルを微調整するのに有害なソースドメイン内のデータを自動的に削除する。
また,センサ固有の情報(センサタイプとISO)を取り入れ,画像認識のための入力データを理解するための変調モジュールも導入した。
論文 参考訳（メタデータ） (2024-11-03T08:08:26Z) - Robust Depth Enhancement via Polarization Prompt Fusion Tuning [112.88371907047396]
様々な深度センサによる不正確な深度測定を改善するために偏光イメージングを利用するフレームワークを提案する。
まず、偏光データとセンサ深度マップから高密度で完全な深度マップを推定するために、ニューラルネットワークを訓練した学習ベースの戦略を採用する。
大規模データセット上で事前学習したRGBモデルを有効に活用するためのPPFT(Polarization Prompt Fusion Tuning)戦略を提案する。
論文 参考訳（メタデータ） (2024-04-05T17:55:33Z) - Fisheye Camera and Ultrasonic Sensor Fusion For Near-Field Obstacle
Perception in Bird's-Eye-View [4.536942273206611]
本稿では,鳥眼ビュー(BEV)の観点からの効率的な障害物認識に適した,エンド・ツー・エンドのマルチモーダル融合モデルを提案する。
魚眼カメラは、後部障害物の定位を含む包括的サラウンドビューの知覚によく使用される。
しかし、このようなカメラの性能は、夜間の低照度、強烈な太陽の輝きにさらされた場合、著しく劣化する可能性がある。
論文 参考訳（メタデータ） (2024-02-01T14:52:16Z) - Multi-Modal Neural Radiance Field for Monocular Dense SLAM with a
Light-Weight ToF Sensor [58.305341034419136]
単眼カメラと軽量ToFセンサを備えた初の高密度SLAMシステムを提案する。
本稿では,RGBカメラと軽量ToFセンサの両方の信号のレンダリングをサポートするマルチモーダル暗黙のシーン表現を提案する。
実験により,本システムは軽量なToFセンサの信号をうまく利用し,競合的な結果が得られることが示された。
論文 参考訳（メタデータ） (2023-08-28T07:56:13Z) - Learning Heavily-Degraded Prior for Underwater Object Detection [59.5084433933765]
本稿では、検出器フレンドリーな画像から、転送可能な事前知識を求める。
これは、検出器フレンドリー(DFUI)と水中画像の高度に劣化した領域が、特徴分布のギャップがあることを統計的に観察したものである。
高速かつパラメータの少ない本手法は変圧器型検出器よりも優れた性能を保っている。
論文 参考訳（メタデータ） (2023-08-24T12:32:46Z) - Augmenting Deep Learning Adaptation for Wearable Sensor Data through
Combined Temporal-Frequency Image Encoding [4.458210211781739]
本稿では、時間領域情報と周波数領域情報をシームレスに統合した、新しい修正繰り返しプロットベースの画像表現を提案する。
加速度センサを用いた活動認識データと事前訓練されたResNetモデルを用いて提案手法の評価を行い,既存の手法と比較して優れた性能を示す。
論文 参考訳（メタデータ） (2023-07-03T09:29:27Z) - DopUS-Net: Quality-Aware Robotic Ultrasound Imaging based on Doppler
Signal [48.97719097435527]
DopUS-Netはドップラー画像とBモード画像を組み合わせることで、小血管のセグメンテーション精度と堅牢性を高める。
動脈再同定モジュールは、リアルタイムセグメンテーション結果を質的に評価し、拡張ドップラー画像に対するプローブポーズを自動的に最適化する。
論文 参考訳（メタデータ） (2023-05-15T18:19:29Z) - A photosensor employing data-driven binning for ultrafast image
recognition [0.0]
ピクセルビンニング(Pixel binning)は、光学画像の取得と分光において広く用いられる技術である。
ここでは、センサー要素の大部分を1つのスーパーピクセルに組み合わせることで、バイナリの概念を限界まで押し上げる。
与えられたパターン認識タスクに対しては、機械学習アルゴリズムを用いてトレーニングデータから最適な形状を決定する。
論文 参考訳（メタデータ） (2021-11-20T15:38:39Z) - Semantics-aware Adaptive Knowledge Distillation for Sensor-to-Vision
Action Recognition [131.6328804788164]
本稿では,視覚・センサ・モダリティ(動画)における行動認識を強化するためのフレームワーク,Semantics-Aware Adaptive Knowledge Distillation Networks (SAKDN)を提案する。
SAKDNは複数のウェアラブルセンサーを教師のモダリティとして使用し、RGB動画を学生のモダリティとして使用している。
論文 参考訳（メタデータ） (2020-09-01T03:38:31Z) - Deep Phase Correlation for End-to-End Heterogeneous Sensor Measurements
Matching [12.93459392278491]
不均一なセンサ計測に適合するエンド・ツー・エンドのディープ位相相関ネットワーク(DPCN)を提案する。
主なコンポーネントは、学習可能な特徴抽出器にポーズエラーをバックプロパゲートする、微分可能な相関ベースの推定器である。
解釈可能なモデリングにより、ネットワークは軽量化され、より良い一般化が期待できる。
論文 参考訳（メタデータ） (2020-08-21T13:42:25Z) - Cross-Sensor Adversarial Domain Adaptation of Landsat-8 and Proba-V
images for Cloud Detection [1.5828697880068703]
同様の特徴を持つ光学センサーを搭載した地球観測衛星の数は、常に増え続けている。
抽出された放射能の差は精度を著しく低下させ、センサー間の知識と情報共有を損なう。
本稿では,2つの衛星センサ間の画像の統計的差異を低減し,転送学習モデルの性能を向上させるための領域適応を提案する。
論文 参考訳（メタデータ） (2020-06-10T16:16:01Z)
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。