論文の概要: Generative Adversarial Networks for anonymous Acneic face dataset generation

• arxiv url: http://arxiv.org/abs/2211.04214v1
• Date: Tue, 8 Nov 2022 12:59:41 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-09 15:16:19.072163
• Title: Generative Adversarial Networks for anonymous Acneic face dataset generation
• Title（参考訳）: acneic face dataset生成のための生成型adversarial network
• Authors: Hazem Zein, Samer Chantaf, R\'egis Fournier, Amine Nait-Ali
• Abstract要約: 3段階の重篤度に対応するアクネ障害の属性を持つヒトの顔の匿名合成データセットを生成する。 CNNに基づく分類システムは、生成された合成アキニーック顔画像を用いて訓練され、認証顔画像を用いてテストされる。 InceptionResNetv2を用いて97,6%の精度が得られることを示す。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: It is well known that the performance of any classification model is effective if the dataset used for the training process and the test process satisfy some specific requirements. In other words, the more the dataset size is large, balanced, and representative, the more one can trust the proposed model's effectiveness and, consequently, the obtained results. Unfortunately, large-size anonymous datasets are generally not publicly available in biomedical applications, especially those dealing with pathological human face images. This concern makes using deep-learning-based approaches challenging to deploy and difficult to reproduce or verify some published results. In this paper, we suggest an efficient method to generate a realistic anonymous synthetic dataset of human faces with the attributes of acne disorders corresponding to three levels of severity (i.e. Mild, Moderate and Severe). Therefore, a specific hierarchy StyleGAN-based algorithm trained at distinct levels is considered. To evaluate the performance of the proposed scheme, we consider a CNN-based classification system, trained using the generated synthetic acneic face images and tested using authentic face images. Consequently, we show that an accuracy of 97,6\% is achieved using InceptionResNetv2. As a result, this work allows the scientific community to employ the generated synthetic dataset for any data processing application without restrictions on legal or ethical concerns. Moreover, this approach can also be extended to other applications requiring the generation of synthetic medical images. We can make the code and the generated dataset accessible for the scientific community.
• Abstract（参考訳）: トレーニングプロセスとテストプロセスで使用されるデータセットが特定の要件を満たす場合、分類モデルのパフォーマンスが効果的であることはよく知られている。 言い換えれば、データセットのサイズが大きく、バランスが取れ、代表的であるほど、提案されたモデルの有効性を信頼でき、その結果が得られます。 残念ながら、大規模な匿名データセットは一般に生物医学的応用、特に病的人間の顔画像を扱うアプリケーションでは一般には利用できない。 この懸念により、ディープラーニングベースのアプローチの使用は、デプロイが難しく、公開結果の再現や検証が困難になる。 本稿では,3段階の重症度(軽度,中等度,重度)に対応するacne障害の特徴を持つ,人間の顔のリアルな匿名合成データセットを作成する効率的な手法を提案する。 したがって、異なるレベルで訓練された特定の階層型GANベースのアルゴリズムを考える。 提案手法の性能を評価するために,生成した合成アシック顔画像を用いて訓練し,実顔画像を用いてテストするCNNに基づく分類システムを提案する。 その結果,InceptionResNetv2を用いて97,6\%の精度が得られた。 結果として、この研究により、科学コミュニティは、法的または倫理的な懸念に縛られることなく、任意のデータ処理アプリケーションに生成された合成データセットを使用できる。 さらに、このアプローチは、合成医療画像の生成を必要とする他のアプリケーションにも拡張することができる。 コードと生成されたデータセットを科学コミュニティに公開できます。

関連論文リスト

• Unleashing the Potential of Synthetic Images: A Study on Histopathology Image Classification [0.12499537119440242]
  病理組織像分類は様々な疾患の正確な同定と診断に重要である。 合成画像は、既存のデータセットを効果的に増強し、最終的に下流の病理組織像分類タスクの性能を向上させることができることを示す。
  論文  参考訳（メタデータ） (2024-09-24T12:02:55Z)
• EchoNet-Synthetic: Privacy-preserving Video Generation for Safe Medical Data Sharing [5.900946696794718]
  本稿では,高忠実度,長大かつアクセス可能な完全データサンプルをほぼリアルタイムに生成するモデルを提案する。 本研究では,拡散モデルに基づく生成手法を開発し,医用ビデオデータセットの匿名化のためのプロトコルを提案する。 完全合成でプライバシに適合したエコー心電図データセットであるEchoNet-Syntheticについて述べる。
  論文  参考訳（メタデータ） (2024-06-02T17:18:06Z)
• Deep Domain Adaptation: A Sim2Real Neural Approach for Improving Eye-Tracking Systems [80.62854148838359]
  眼球画像のセグメンテーションは、最終視線推定に大きな影響を及ぼす眼球追跡の重要なステップである。 対象視線画像と合成訓練データとの重なり合いを測定するために,次元還元法を用いている。 提案手法は,シミュレーションと実世界のデータサンプルの相違に対処する際の頑健で,性能が向上する。
  論文  参考訳（メタデータ） (2024-03-23T22:32:06Z)
• Three-dimensional Bone Image Synthesis with Generative Adversarial Networks [2.499907423888049]
  本研究は,高分解能医用量を生成するために,3次元生成対向ネットワーク(GAN)を効率的に訓練できることを実証する。 GANインバージョンは3次元設定のために実装され、モデル解釈可能性に関する広範な研究に使用される。
  論文  参考訳（メタデータ） (2023-10-26T08:08:17Z)
• Generation of artificial facial drug abuse images using Deep De-identified anonymous Dataset augmentation through Genetics Algorithm (3DG-GA) [0.0]
  3DG-GA(Deep Dedentified anonymous dataset generation)は、ジェネティックスアルゴリズムを合成顔生成の戦略として用いている。 このアルゴリズムは、GAN人工顔生成、偽造検出、顔認識を含む。 薬物の特徴を保存することで、3DG-GAは、3000の合成顔用薬物乱用画像を含むデータセットを提供する。
  論文  参考訳（メタデータ） (2023-04-12T18:45:26Z)
• Diffusion-based Data Augmentation for Skin Disease Classification: Impact Across Original Medical Datasets to Fully Synthetic Images [2.5075774184834803]
  深層ニューラルネットワークは、過度な適合を避けるために、依然として大量のトレーニングデータに依存している。 医療のような現実世界のアプリケーションのためのラベル付きトレーニングデータには制限があり、アクセスが困難である。 我々は,我々の大脳皮質皮膚疾患データセットのトレーニングサンプルを増強する上で,テキスト・画像拡散確率モデルの成功を生かした。
  論文  参考訳（メタデータ） (2023-01-12T04:22:23Z)
• An Adversarial Active Sampling-based Data Augmentation Framework for Manufacturable Chip Design [55.62660894625669]
  リソグラフィーモデリングは、チップ設計マスクが製造可能であることを保証するため、チップ設計において重要な問題である。 機械学習の最近の進歩は、時間を要するリソグラフィーシミュレーションをディープニューラルネットワークに置き換えるための代替ソリューションを提供している。 本稿では,限られたデータのジレンマを解消し,機械学習モデルの性能を向上させるために,データ拡張フレームワークを提案する。
  論文  参考訳（メタデータ） (2022-10-27T20:53:39Z)
• Is synthetic data from generative models ready for image recognition? [69.42645602062024]
  本研究では,最新のテキスト・画像生成モデルから生成した合成画像が,画像認識タスクにどのように利用できるかを検討した。 本稿では,既存の生成モデルからの合成データの強大さと欠点を示し,認識タスクに合成データを適用するための戦略を提案する。
  論文  参考訳（メタデータ） (2022-10-14T06:54:24Z)
• Harmonizing Pathological and Normal Pixels for Pseudo-healthy Synthesis [68.5287824124996]
  そこで本研究では,新しいタイプの識別器であるセグメンタを提案し,病変の正確な特定と擬似健康画像の視覚的品質の向上を図っている。 医用画像強調に生成画像を適用し,低コントラスト問題に対処するために拡張結果を利用する。 BraTSのT2モダリティに関する総合的な実験により、提案手法は最先端の手法よりも大幅に優れていることが示された。
  論文  参考訳（メタデータ） (2022-03-29T08:41:17Z)
• Sharp-GAN: Sharpness Loss Regularized GAN for Histopathology Image Synthesis [65.47507533905188]
  コンディショナル・ジェネレーショナル・ジェネレーティブ・逆境ネットワークは、合成病理像を生成するために応用されている。 そこで我々は,現実的な病理像を合成するために,シャープネスロス正則化生成対向ネットワークを提案する。
  論文  参考訳（メタデータ） (2021-10-27T18:54:25Z)
• 3D Dense Geometry-Guided Facial Expression Synthesis by Adversarial Learning [54.24887282693925]
  本稿では,3次元密度(深度,表面正規度)情報を表現操作に用いる新しいフレームワークを提案する。 既製の最先端3D再構成モデルを用いて深度を推定し,大規模RGB-Depthデータセットを作成する。 実験により,提案手法は競争ベースラインと既存の芸術を大きなマージンで上回ることを示した。
  論文  参考訳（メタデータ） (2020-09-30T17:12:35Z)

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。