論文の概要: Geometric Active Learning for Segmentation of Large 3D Volumes
- arxiv url: http://arxiv.org/abs/2210.06885v1
- Date: Thu, 13 Oct 2022 10:24:16 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-14 16:27:52.954537
- Title: Geometric Active Learning for Segmentation of Large 3D Volumes
- Title（参考訳）: 幾何アクティブラーニングによる大規模3次元ボリュームのセグメンテーション
- Authors: Thomas Lang and Tomas Sauer
- Abstract要約: 本稿では,幾何学的特徴の積極的学習に基づく新しいボクセルワイドセグメンテーション手法を提案する。
本手法は,対話的に用意されたシードポイントを用いて,局所情報に基づくボクセルワイド分類器の訓練を行う。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Segmentation, i.e., the partitioning of volumetric data into components, is a
crucial task in many image processing applications ever since such data could
be generated. Most existing applications nowadays, specifically CNNs, make use
of voxelwise classification systems which need to be trained on a large number
of annotated training volumes. However, in many practical applications such
data sets are seldom available and the generation of annotations is
time-consuming and cumbersome. In this paper, we introduce a novel voxelwise
segmentation method based on active learning on geometric features. Our method
uses interactively provided seed points to train a voxelwise classifier based
entirely on local information. The combination of an ad hoc incorporation of
domain knowledge and local processing results in a flexible yet efficient
segmentation method that is applicable to three-dimensional volumes without
size restrictions. We illustrate the potential and flexibility of our approach
by applying it to selected computed tomography scans where we perform different
segmentation tasks to scans from different domains and of different sizes.
- Abstract（参考訳）: ボリュームデータをコンポーネントに分割するセグメンテーションは、そのようなデータを生成することができるため、多くの画像処理アプリケーションにおいて重要なタスクである。
現在、ほとんどの既存のアプリケーション、特にcnnは、多くの注釈付きトレーニングボリュームでトレーニングする必要があるvoxelwise分類システムを利用している。
しかし、多くの実践的なアプリケーションではそのようなデータセットはほとんど利用できず、アノテーションの生成は時間がかかり、面倒です。
本稿では,幾何学的特徴に基づく能動的学習に基づく新しいボクセルワイドセグメンテーション手法を提案する。
本手法は,局所情報に基づくボクセルワイズ分類器の訓練にインタラクティブに提供されたシードポイントを用いる。
ドメイン知識のアドホック組み込みと局所処理の組み合わせにより、サイズ制限なしに3次元ボリュームに適用可能な柔軟かつ効率的なセグメンテーション手法が実現される。
提案手法は,選択されたctスキャンに適用し,異なる領域のスキャンに異なる分割タスクを施し,異なる大きさのスキャンを行うことにより,その可能性と柔軟性を示す。
関連論文リスト
- Real Time Multi Organ Classification on Computed Tomography Images [0.08192907805418582]
スパースデータサンプリング戦略を用いた大コンテキストサイズを用いて,臓器ラベルをリアルタイムに取得する方法を実証する。
本手法は,問合せ位置の独立分類器として機能するが,任意の解像度で問合せ格子位置を問合せすることで,完全分割を生成することができる。
論文 参考訳（メタデータ） (2024-04-29T14:17:52Z) - Neural ShDF: Reviving an Efficient and Consistent Mesh Segmentation
Method [0.0]
本稿では,メッシュセグメンテーションに先立って,ディープラーニングを利用してマッピング関数を符号化する手法を提案する。
我々のアプローチは、入力メッシュをダウンサンプルし、フル解像度構造をクエリするので、解像度に依存しない。
論文 参考訳（メタデータ） (2023-06-14T18:27:39Z) - Point-Unet: A Context-aware Point-based Neural Network for Volumetric
Segmentation [18.81644604997336]
本稿では,3次元点雲による深層学習の効率をボリュームセグメンテーションに組み込む新しい手法であるPoint-Unetを提案する。
私たちのキーとなるアイデアは、まず注意確率マップを学習することで、ボリュームに対する関心領域を予測することです。
異なるメトリクスに関する包括的なベンチマークでは、私たちのコンテキスト認識のPoint-UnetがSOTAのボクセルベースネットワークより優れていることが示されている。
論文 参考訳（メタデータ） (2022-03-16T22:02:08Z) - SATS: Self-Attention Transfer for Continual Semantic Segmentation [50.51525791240729]
連続的なセマンティックセグメンテーションは、連続的な分類学習と同じ破滅的な忘れの問題に悩まされる。
本研究では,各画像内の要素間の関係について,知識に関連する新しいタイプの情報伝達を提案する。
関係情報は、トランスフォーマースタイルのセグメンテーションモデルにおける自己アテンションマップから有効に得ることができる。
論文 参考訳（メタデータ） (2022-03-15T06:09:28Z) - AF$_2$: Adaptive Focus Framework for Aerial Imagery Segmentation [86.44683367028914]
航空画像のセグメンテーションにはいくつかの独特な課題があり、中でも最も重要なものは前景と背景のアンバランスにある。
本稿では,階層的なセグメンテーション手法を採用し,マルチスケール表現を適応的に活用するAdaptive Focus Framework (AF$)を提案する。
AF$は、広く使われている3つの航空ベンチマークの精度を大幅に改善した。
論文 参考訳（メタデータ） (2022-02-18T10:14:45Z) - CvS: Classification via Segmentation For Small Datasets [52.821178654631254]
本稿では,分類ラベルをセグメントマップの予測から導出する小型データセットのコスト効率の高い分類器であるCvSを提案する。
我々は,CvSが従来の手法よりもはるかに高い分類結果が得られることを示す多種多様な問題に対して,本フレームワークの有効性を評価する。
論文 参考訳（メタデータ） (2021-10-29T18:41:15Z) - Momentum Contrastive Voxel-wise Representation Learning for
Semi-supervised Volumetric Medical Image Segmentation [2.3322477552758234]
医用画像セグメンテーションのためのグローバルな視覚表現を学習するための幾何学的制約付きコントラストVoxel-wise Representation(CVRL)法を提案する。
このフレームワークは,3次元空間的コンテキストと豊かな解剖学的情報をキャプチャすることで,グローバルおよびローカルな特徴を効果的に学習することができる。
論文 参考訳（メタデータ） (2021-05-14T20:27:23Z) - LRGNet: Learnable Region Growing for Class-Agnostic Point Cloud
Segmentation [19.915593390338337]
本研究は,クラス非依存のクラウドセグメンテーションのための学習可能な領域成長手法を提案する。
提案手法は, 物体の形状や大きさを仮定することなく, 単一の深層ニューラルネットワークを用いて任意のクラスを分割することができる。
論文 参考訳（メタデータ） (2021-03-16T15:58:01Z) - Quadric hypersurface intersection for manifold learning in feature space [52.83976795260532]
適度な高次元と大きなデータセットに適した多様体学習技術。
この手法は、二次超曲面の交点という形で訓練データから学習される。
テスト時、この多様体は任意の新しい点に対する外れ値スコアを導入するのに使うことができる。
論文 参考訳（メタデータ） (2021-02-11T18:52:08Z) - Rethinking Interactive Image Segmentation: Feature Space Annotation [68.8204255655161]
本稿では,特徴空間投影による複数画像からの対話的・同時セグメントアノテーションを提案する。
本手法は,前景セグメンテーションデータセットにおける最先端手法の精度を上回ることができることを示す。
論文 参考訳（メタデータ） (2021-01-12T10:13:35Z) - Region Comparison Network for Interpretable Few-shot Image
Classification [97.97902360117368]
新しいクラスのモデルをトレーニングするために、ラベル付きサンプルの限られた数だけを効果的に活用するための画像分類が提案されている。
本研究では,領域比較ネットワーク (RCN) と呼ばれる距離学習に基づく手法を提案する。
また,タスクのレベルからカテゴリへの解釈可能性の一般化も提案する。
論文 参考訳（メタデータ） (2020-09-08T07:29:05Z)
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。