論文の概要: CircleSnake: Instance Segmentation with Circle Representation

• arxiv url: http://arxiv.org/abs/2211.01254v1
• Date: Wed, 2 Nov 2022 16:34:20 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-03 13:37:27.315517
• Title: CircleSnake: Instance Segmentation with Circle Representation
• Title（参考訳）: CircleSnake: サークル表現によるインスタンス分割
• Authors: Ethan H. Nguyen, Haichun Yang, Zuhayr Asad, Ruining Deng, Agnes B. Fogo, and Yuankai Huo
• Abstract要約: 本研究では,ボール形状の医療物体に対する簡易な円錐形状変形法であるCircleSnakeを提案する。 一般的なDeepSnake法と比較して、我々の貢献は3倍である。 The proposed CircleSnake method is the first end-to-end circle representation Deep segmentation pipeline method。
• 参考スコア（独自算出の注目度）: 4.009829991224921
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Circle representation has recently been introduced as a medical imaging optimized representation for more effective instance object detection on ball-shaped medical objects. With its superior performance on instance detection, it is appealing to extend the circle representation to instance medical object segmentation. In this work, we propose CircleSnake, a simple end-to-end circle contour deformation-based segmentation method for ball-shaped medical objects. Compared to the prevalent DeepSnake method, our contribution is three-fold: (1) We replace the complicated bounding box to octagon contour transformation with a computation-free and consistent bounding circle to circle contour adaption for segmenting ball-shaped medical objects; (2) Circle representation has fewer degrees of freedom (DoF=2) as compared with the octagon representation (DoF=8), thus yielding a more robust segmentation performance and better rotation consistency; (3) To the best of our knowledge, the proposed CircleSnake method is the first end-to-end circle representation deep segmentation pipeline method with consistent circle detection, circle contour proposal, and circular convolution. The key innovation is to integrate the circular graph convolution with circle detection into an end-to-end instance segmentation framework, enabled by the proposed simple and consistent circle contour representation. Glomeruli are used to evaluate the performance of the benchmarks. From the results, CircleSnake increases the average precision of glomerular detection from 0.559 to 0.614. The Dice score increased from 0.804 to 0.849. The code has been released: https://github.com/hrlblab/CircleSnake
• Abstract（参考訳）: 近年,ボール状医用物体のより効率的なインスタンスオブジェクト検出のための医用画像最適化表現として,円表現が導入されている。 インスタンス検出において優れた性能を持つため、円表現を例医学オブジェクトセグメンテーションに拡張することが望ましい。 本研究では,ボール形状の医療物体に対する簡易な円錐形状変形法であるCircleSnakeを提案する。 Compared to the prevalent DeepSnake method, our contribution is three-fold: (1) We replace the complicated bounding box to octagon contour transformation with a computation-free and consistent bounding circle to circle contour adaption for segmenting ball-shaped medical objects; (2) Circle representation has fewer degrees of freedom (DoF=2) as compared with the octagon representation (DoF=8), thus yielding a more robust segmentation performance and better rotation consistency; (3) To the best of our knowledge, the proposed CircleSnake method is the first end-to-end circle representation deep segmentation pipeline method with consistent circle detection, circle contour proposal, and circular convolution. 重要な革新は、円グラフの畳み込みと円検出をエンドツーエンドのインスタンスセグメンテーションフレームワークに統合することであり、提案された単純で一貫した円の輪郭表現によって実現される。 Glomeruliはベンチマークのパフォーマンスを評価するために使用される。 結果から、CircleSnakeは粒子検出の平均精度を0.559から0.614に引き上げた。 diceスコアは0.804から0.849に増加した。 コードがリリースされた。 https://github.com/hrlblab/CircleSnake

関連論文リスト

• Weighted Circle Fusion: Ensembling Circle Representation from Different Object Detection Results [9.540862304334969]
  Weighted Circle Fusion (WCF) は、様々な円検出モデルから予測をマージする簡単な手法である。 本手法は,全スライド画像(WSI)における物体検出における糸球体検出のための独自のデータセットの徹底的な評価を行う。 その結果,既存のアンサンブル法と比較すると,性能は5%向上した。
  論文  参考訳（メタデータ） (2024-06-27T21:34:51Z)
• AdaContour: Adaptive Contour Descriptor with Hierarchical Representation [52.381359663689004]
  既存の角度ベースの輪郭記述子は、星以外の形状の損失表現に悩まされる。 AdaConは、他のディスクリプタよりも正確に形を表現できる。
  論文  参考訳（メタデータ） (2024-04-12T07:30:24Z)
• Circle Representation for Medical Instance Object Segmentation [6.4832235108711345]
  球状医療オブジェクトをインスタンスレベルでセグメント化するための円輪郭変形を利用した,単純なエンドツーエンドセグメンテーション手法であるCircleSnakeを紹介する。 病理画像における糸球体、核、好酸球の検出などの実用化において、CircleSnakeは優れた性能と回転不変性を示した。
  論文  参考訳（メタデータ） (2024-03-18T06:25:41Z)
• CircleFormer: Circular Nuclei Detection in Whole Slide Images with Circle Queries and Attention [13.947162082687417]
  動的アンカー円を用いたトランスフォーマーを用いた円形医療物体検出システムであるCircleFormerを提案する。 一般向けMoNuSegデータセットを用いた円形核検出とセグメンテーションにおける本手法の評価を行った。
  論文  参考訳（メタデータ） (2023-08-30T17:01:01Z)
• CRIN: Rotation-Invariant Point Cloud Analysis and Rotation Estimation via Centrifugal Reference Frame [60.24797081117877]
  CRIN,すなわち遠心回転不変ネットワークを提案する。 CRINは点の座標を直接入力として取り、局所点を回転不変表現に変換する。 点に基づく3次元回転の連続分布を導入する。
  論文  参考訳（メタデータ） (2023-03-06T13:14:10Z)
• Recurrent Generic Contour-based Instance Segmentation with Progressive Learning [111.31166268300817]
  本稿では,一般的な輪郭型インスタンスセグメンテーションのための新しいディープネットワークアーキテクチャ,すなわちPolySnakeを提案する。 従来のSnakeアルゴリズムに動機付け,提案したPolySnakeはより優れた,堅牢なセグメンテーション性能を実現する。
  論文  参考訳（メタデータ） (2023-01-21T05:34:29Z)
• CircleNet: Reciprocating Feature Adaptation for Robust Pedestrian Detection [62.41288479917261]
  本稿では,人間が低解像度で隠蔽された物体を見る過程を模倣して特徴適応を実現するため,CircleNetと呼ばれる新しい特徴学習モデルを提案する。 Caltech(カルテック)とCityPersons(シティパーソンズ)という2つの歩行者検出データセットの実験によると、CircleNetは、障害物のある歩行者と低解像度歩行者のパフォーマンスを大幅に改善する。
  論文  参考訳（メタデータ） (2022-12-12T04:10:24Z)
• Iterative Next Boundary Detection for Instance Segmentation of Tree Rings in Microscopy Images of Shrub Cross Sections [58.720142291102135]
  反復次境界検出(INBD)と呼ばれる新しい反復法を提案する。 自然成長方向を直感的にモデル化し、低木断面の中心から始まり、各ステップにおける次のリング境界を検出する。 我々の実験では、INBDはジェネリックインスタンスセグメンテーション法よりも優れた性能を示し、時間順の概念を組み込んだ唯一の方法である。
  論文  参考訳（メタデータ） (2022-12-06T14:49:41Z)
• Circle Representation for Medical Object Detection [5.359910146589289]
  ボックス表現は有効であるが、必ずしもバイオメディカルオブジェクトに最適化されていない。 本稿では,医療用物体検出のための簡単な円表現を提案し,CircleNetを導入する。 病理画像上での糸球体と核の検出において,提案した円周表現は優れた検出性能を示した。
  論文  参考訳（メタデータ） (2021-10-22T23:16:42Z)
• Deep Hough Voting for Robust Global Registration [52.40611370293272]
  6次元変換パラメータ空間におけるハフ投票を利用した実世界の3Dスキャンのペア登録のための効率的なフレームワークを提案する。 提案手法は, 3DMatch と 3DLoMatch のベンチマークにおいて, KITTI odometry データセットで同等の性能を達成しながら, 最先端の手法よりも優れている。
  論文  参考訳（メタデータ） (2021-09-09T14:38:06Z)
• CircleNet: Anchor-free Detection with Circle Representation [10.081591705078678]
  CircleNetは球状球状球状体を検出するための円表現を用いた単純なアンカーフリー検出法である。 糸球体検出の文脈におけるCircleNetの評価を行った。
  論文  参考訳（メタデータ） (2020-06-03T18:31:51Z)

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。