論文の概要: Semi-Supervised Keypoint Detector and Descriptor for Retinal Image Matching

• arxiv url: http://arxiv.org/abs/2207.07932v1
• Date: Sat, 16 Jul 2022 12:55:20 GMT
• ステータス: 処理完了
• システム内更新日: 2022-07-19 16:41:08.012349
• Title: Semi-Supervised Keypoint Detector and Descriptor for Retinal Image Matching
• Title（参考訳）: 網膜画像マッチングのためのセミスーパービジョンキーポイント検出器とディスクリプタ
• Authors: Jiazhen Liu, Xirong Li, Qijie Wei, Jie Xu, Dayong Ding
• Abstract要約: SuperRetinaは、共同で訓練可能なキーポイント検出器とディスクリプタを備えた、最初のエンドツーエンドの方法である。 少数の(100近い)画像が不完全ラベル付けされ、ネットワークを監督し、血管樹上のキーポイントを検出する。 SuperRetinaは、フル入力画像サイズで高い差別的な記述子を生成する。
• 参考スコア（独自算出の注目度）: 10.933181061949686
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: For retinal image matching (RIM), we propose SuperRetina, the first end-to-end method with jointly trainable keypoint detector and descriptor. SuperRetina is trained in a novel semi-supervised manner. A small set of (nearly 100) images are incompletely labeled and used to supervise the network to detect keypoints on the vascular tree. To attack the incompleteness of manual labeling, we propose Progressive Keypoint Expansion to enrich the keypoint labels at each training epoch. By utilizing a keypoint-based improved triplet loss as its description loss, SuperRetina produces highly discriminative descriptors at full input image size. Extensive experiments on multiple real-world datasets justify the viability of SuperRetina. Even with manual labeling replaced by auto labeling and thus making the training process fully manual-annotation free, SuperRetina compares favorably against a number of strong baselines for two RIM tasks, i.e. image registration and identity verification. SuperRetina will be open source.
• Abstract（参考訳）: 網膜画像マッチング(rim)では,キーポイント検出とディスクリプタを併用した最初のエンド・ツー・エンド方式であるsuperretinaを提案する。 SuperRetinaは、新しい半教師付き方法で訓練されている。 少数の(100近い)画像が不完全ラベル付けされ、ネットワークを監督して血管木のキーポイントを検出する。 手動ラベリングの不完全性を攻撃するために,各トレーニング時代のキーポイントラベルを充実させるために,進行キーポイント拡張を提案する。 キーポイントベースの改良三重項損失を記述損失として利用することにより、SuperRetinaは、フル入力画像サイズで高い差別的記述子を生成する。 複数の実世界のデータセットに対する大規模な実験は、SuperRetinaの生存可能性を正当化する。 手動ラベリングを自動ラベリングに置き換え、トレーニングプロセスを完全に手動でアノテートするが、SuperRetinaは2つのRIMタスクの強力なベースラインである画像登録とアイデンティティ検証とを良好に比較する。 SuperRetinaはオープンソースになる。

関連論文リスト

• DiffKillR: Killing and Recreating Diffeomorphisms for Cell Annotation in Dense Microscopy Images [105.46086313858062]
  DiffKillRは、アーチェタイプマッチングと画像登録タスクの組み合わせとして、セルアノテーションを再構成する新しいフレームワークである。 我々はDiffKillRの理論的性質について論じ、それを3つの顕微鏡タスクで検証し、既存の教師付き・半教師なし・教師なしの手法に対する利点を実証する。
  論文  参考訳（メタデータ） (2024-10-04T00:38:29Z)
• Exploring Fine-Grained Representation and Recomposition for Cloth-Changing Person Re-Identification [78.52704557647438]
  補助的なアノテーションやデータなしに両方の制約に対処するために,新しいFIne-fine Representation and Recomposition (FIRe$2$) フレームワークを提案する。 FIRe$2$は、広く使われている5つのRe-IDベンチマークで最先端のパフォーマンスを実現することができる。
  論文  参考訳（メタデータ） (2023-08-21T12:59:48Z)
• Distilling Self-Supervised Vision Transformers for Weakly-Supervised Few-Shot Classification & Segmentation [58.03255076119459]
  視覚変換器(ViT)を利用した弱教師付き小ショット画像分類とセグメンテーションの課題に対処する。 提案手法は,自己監督型ViTからトークン表現を抽出し,その相関関係を利用して分類とセグメンテーションの予測を行う。 Pascal-5iとCOCO-20iの実験は、様々な監視設定において大きなパフォーマンス向上を示した。
  論文  参考訳（メタデータ） (2023-07-07T06:16:43Z)
• Diffusion Models and Semi-Supervised Learners Benefit Mutually with Few Labels [47.15381781274115]
  二重擬似訓練(DPT)と呼ばれる簡易かつ効果的な訓練戦略を提案する。 DPTは、擬似ラベルを予測するために部分的にラベル付きデータで分類器を訓練し、擬似ラベルを使って条件付き生成モデルを訓練して擬似画像を生成する。 クラスごとに1つまたは2つのラベルで、DPTはImageNet 256x256でFr'echet Inception Distance (FID)スコアが3.08または2.52に達する。
  論文  参考訳（メタデータ） (2023-02-21T10:24:53Z)
• CLIP-ReID: Exploiting Vision-Language Model for Image Re-Identification without Concrete Text Labels [28.42405456691034]
  本稿では,画像再識別作業における視覚的表現の改善を目的とした2段階戦略を提案する。 鍵となるアイデアは、各IDの学習可能なテキストトークンセットを通じて、CLIPのクロスモーダル記述能力をフル活用することだ。 提案手法の有効性は、人や車両のReIDタスクのための複数のデータセット上で検証される。
  論文  参考訳（メタデータ） (2022-11-25T09:41:57Z)
• Image Understands Point Cloud: Weakly Supervised 3D Semantic Segmentation via Association Learning [59.64695628433855]
  ラベルのない画像から補完的な情報を取り入れた3次元セグメンテーションのための新しいクロスモダリティ弱教師付き手法を提案する。 基本的に、ラベルの小さな部分のパワーを最大化するために、アクティブなラベリング戦略を備えたデュアルブランチネットワークを設計する。 提案手法は,1%未満のアクティブなアノテーションで,最先端の完全教師付き競合よりも優れていた。
  論文  参考訳（メタデータ） (2022-09-16T07:59:04Z)
• 3SD: Self-Supervised Saliency Detection With No Labels [19.260185488168982]
  本稿では,概念的にシンプルな塩分濃度検出手法を提案する。 本手法では, 擬似地下真実ラベルを学習に用いた。
  論文  参考訳（メタデータ） (2022-03-09T01:40:28Z)
• One-bit Supervision for Image Classification [121.87598671087494]
  1ビットの監視は、不完全なアノテーションから学ぶための新しい設定である。 負ラベル抑圧を既成の半教師付き学習アルゴリズムに組み込んだ多段階学習パラダイムを提案する。
  論文  参考訳（メタデータ） (2020-09-14T03:06:23Z)
• RGB-based Semantic Segmentation Using Self-Supervised Depth Pre-Training [77.62171090230986]
  本稿では,任意の意味的RGBセグメンテーション手法の事前学習に使用できる,スケーラブルで自己管理の容易な手法を提案する。 特に、我々の事前学習アプローチでは、深度センサーを用いて得られるラベルを自動生成する。 提案したHNラベルによる自己教師付き事前学習が,ImageNetの事前学習にどのように応用できるかを示す。
  論文  参考訳（メタデータ） (2020-02-06T11:16:24Z)

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。