論文の概要: Semantic Segmentation for Fully Automated Macrofouling Analysis on
Coatings after Field Exposure
- arxiv url: http://arxiv.org/abs/2211.11607v1
- Date: Mon, 21 Nov 2022 16:03:16 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-22 18:56:15.030338
- Title: Semantic Segmentation for Fully Automated Macrofouling Analysis on
Coatings after Field Exposure
- Title(参考訳): フィールド露光後の皮膜の完全自動マクロファーリング解析のためのセマンティックセグメンテーション
- Authors: Lutz M. K. Krause, Emily Manderfeld, Patricia Gnutt, Louisa Vogler,
Ann Wassick, Kailey Richard, Marco Rudolph, Kelli Z. Hunsucker, Geoffrey W.
Swain, Bodo Rosenhahn, Axel Rosenhahn
- Abstract要約: バイオファウリングは、持続可能な輸送、フィルター膜、熱交換器、医療機器にとって大きな課題である。
本稿では,画像に基づくマクロファウリングの自動解析手法を提案する。
- 参考スコア(独自算出の注目度): 13.732577711665877
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Biofouling is a major challenge for sustainable shipping, filter membranes,
heat exchangers, and medical devices. The development of fouling-resistant
coatings requires the evaluation of their effectiveness. Such an evaluation is
usually based on the assessment of fouling progression after different exposure
times to the target medium (e.g., salt water). The manual assessment of
macrofouling requires expert knowledge about local fouling communities due to
high variances in phenotypical appearance, has single-image sampling
inaccuracies for certain species, and lacks spatial information. Here we
present an approach for automatic image-based macrofouling analysis. We created
a dataset with dense labels prepared from field panel images and propose a
convolutional network (adapted U-Net) for the semantic segmentation of
different macrofouling classes. The establishment of macrofouling localization
allows for the generation of a successional model which enables the
determination of direct surface attachment and in-depth epibiotic studies.
- Abstract(参考訳): バイオファウリングは、持続可能な輸送、フィルター膜、熱交換器、医療機器にとって大きな課題である。
防汚コーティングの開発には, 有効性の評価が必要である。
このような評価は、通常、ターゲット媒体(例えば塩水)への露光時間が異なる後のファウリング進行の評価に基づいて行われる。
マクロファーリングの手動による評価では、表現型的外観のばらつきが高く、特定の種に対する単一画像サンプリングの不正確さがあり、空間情報に欠けているため、局所的なファーリングコミュニティに関する専門家の知識が必要である。
本稿では,画像に基づくマクロファウリングの自動解析手法を提案する。
フィールドパネル画像から高密度なラベルを合成したデータセットを作成し、異なるマクロファウリングクラスのセマンティックセグメンテーションのための畳み込みネットワーク(適応U-Net)を提案する。
マクロフォアリング局在の確立は、直接表面付着の決定と深いエピバイオティクス研究を可能にする後続モデルの生成を可能にする。
関連論文リスト
- BonnBeetClouds3D: A Dataset Towards Point Cloud-based Organ-level
Phenotyping of Sugar Beet Plants under Field Conditions [30.27773980916216]
農業生産は今後数十年間、気候変動と持続可能性の必要性によって深刻な課題に直面している。
自律無人航空機(UAV)による作物のモニタリングと、ロボットによる非化学雑草によるフィールド管理の進歩は、これらの課題に対処するのに有用である。
表現型化と呼ばれる植物形質の分析は、植物の育種に不可欠な活動であるが、大量の手作業が伴う。
論文 参考訳(メタデータ) (2023-12-22T14:06:44Z) - VDC: Versatile Data Cleanser for Detecting Dirty Samples via
Visual-Linguistic Inconsistency [50.129230147605185]
現実の世界では、データセットには、バックドア攻撃による毒サンプル、クラウドソーシングにおけるノイズの多いラベル、さらにはそれらのハイブリッドなど、汚れたサンプルが含まれている。
既存の検出器は、他のドメインの汚れたサンプルを扱う場合、しばしば一般化が弱くなるような、有毒なサンプルやノイズのあるラベルを検出することのみに焦点を当てている。
マルチモーダル大規模言語モデル(MLLM)の超越した機能を利用した多目的データクリーニング(VDC)を提案する。
論文 参考訳(メタデータ) (2023-09-28T07:37:18Z) - Fearless Luminance Adaptation: A Macro-Micro-Hierarchical Transformer
for Exposure Correction [65.5397271106534]
単一のニューラルネットワークは、すべての露光問題に対処することが難しい。
特に、コンボリューションは、極端に過度に露出した領域における忠実な色や詳細を復元する能力を妨げる。
本稿では,マクロマイクロ階層変換器を提案する。マクロマイクロ階層変換器は,長距離依存を捉えるマクロアテンション,局所特徴を抽出するマイクロアテンション,粗大な修正のための階層構造を提案する。
論文 参考訳(メタデータ) (2023-09-02T09:07:36Z) - Optimizations of Autoencoders for Analysis and Classification of
Microscopic In Situ Hybridization Images [68.8204255655161]
同様のレベルの遺伝子発現を持つ顕微鏡画像の領域を検出・分類するためのディープラーニングフレームワークを提案する。
分析するデータには教師なし学習モデルが必要です。
論文 参考訳(メタデータ) (2023-04-19T13:45:28Z) - Stain-invariant self supervised learning for histopathology image
analysis [74.98663573628743]
乳がんのヘマトキシリンおよびエオシン染色像におけるいくつかの分類課題に対する自己監督アルゴリズムを提案する。
本手法は,いくつかの乳がんデータセット上での最先端のパフォーマンスを実現する。
論文 参考訳(メタデータ) (2022-11-14T18:16:36Z) - Generative models-based data labeling for deep networks regression:
application to seed maturity estimation from UAV multispectral images [3.6868861317674524]
種子の成熟度モニタリングは、気候変動とより制限的な慣行による農業における課題の増加である。
従来の手法は、フィールドでの限られたサンプリングと実験室での分析に基づいている。
マルチスペクトルUAV画像を用いたパセリ種子の成熟度推定手法の提案と,自動ラベリングのための新しいアプローチを提案する。
論文 参考訳(メタデータ) (2022-08-09T09:06:51Z) - Self-Supervised Training with Autoencoders for Visual Anomaly Detection [55.52743265122446]
ディープオートエンコーダは視覚領域における異常検出のタスクに使われてきた。
我々は、訓練中に識別情報を使用することが可能な自己指導型学習体制を適用することで、この問題に対処する。
MVTec ADデータセットを用いた実験では,高い検出性能と局所化性能を示した。
論文 参考訳(メタデータ) (2022-06-23T14:16:30Z) - Automatic Plant Cover Estimation with CNNs Automatic Plant Cover
Estimation with Convolutional Neural Networks [8.361945776819528]
畳み込みニューラルネットワーク(CNN)を用いて画像から関連データを自動抽出する手法について検討する。
我々は、平均絶対誤差5.16%のカスタムCNNを用いて、より高解像度の画像分解能で過去のアプローチより優れていることを発見した。
これらの調査に加えて,植物被覆画像の時間的側面に基づく誤差解析も行った。
論文 参考訳(メタデータ) (2021-06-21T14:52:01Z) - Principal component-based image segmentation: a new approach to outline
in vitro cell colonies [0.0]
探索されたコロニーを特徴付け,抽出し,セグメンテーションすることで問題を修正するための,客観的かつ多目的な機械学習手法を提案する。
提案するセグメンテーションアルゴリズムは,人間の観察者による手動計測と同様の品質を示した。
論文 参考訳(メタデータ) (2021-03-10T12:37:51Z) - Automatic Cell Counting in Flourescent Microscopy Using Deep Learning [0.0]
関心のある対象をローカライズするために,全畳み込みネットワークをバイナリセグメンテーション方式で活用する機械学習手法を提案する。
カウントは検出されたアイテムの数として取得される。
論文 参考訳(メタデータ) (2021-02-24T23:04:47Z) - Automatic image-based identification and biomass estimation of
invertebrates [70.08255822611812]
時間を要する分類と分類は、どれだけの昆虫を処理できるかに強い制限を課す。
我々は、人間の専門家による分類と識別の標準的な手動アプローチを、自動画像ベース技術に置き換えることを提案する。
分類タスクには最先端のResnet-50とInceptionV3 CNNを使用する。
論文 参考訳(メタデータ) (2020-02-05T21:38:57Z)
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。