論文の概要: BoxPolyp:Boost Generalized Polyp Segmentation Using Extra Coarse Bounding Box Annotations

• arxiv url: http://arxiv.org/abs/2212.03498v1
• Date: Wed, 7 Dec 2022 07:45:50 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-08 16:25:52.960339
• Title: BoxPolyp:Boost Generalized Polyp Segmentation Using Extra Coarse Bounding Box Annotations
• Title（参考訳）: BoxPolyp:外部粗いバウンディングボックスアノテーションを用いたBoost Generalized Polyp Segmentation
• Authors: Jun Wei, Yiwen Hu, Guanbin Li, Shuguang Cui, S Kevin Zhou, Zhen Li
• Abstract要約: 我々は、正確なマスクと余分な粗いボックスアノテーションをフル活用するための強化されたBoxPolypモデルを提案する。 実際には、従来のポリプセグメンテーションモデルの過度に適合する問題を緩和するためにボックスアノテーションが適用される。 提案手法は従来の最先端手法よりも大きなマージンで優れていた。
• 参考スコア（独自算出の注目度）: 79.17754846553866
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Accurate polyp segmentation is of great importance for colorectal cancer diagnosis and treatment. However, due to the high cost of producing accurate mask annotations, existing polyp segmentation methods suffer from severe data shortage and impaired model generalization. Reversely, coarse polyp bounding box annotations are more accessible. Thus, in this paper, we propose a boosted BoxPolyp model to make full use of both accurate mask and extra coarse box annotations. In practice, box annotations are applied to alleviate the over-fitting issue of previous polyp segmentation models, which generate fine-grained polyp area through the iterative boosted segmentation model. To achieve this goal, a fusion filter sampling (FFS) module is firstly proposed to generate pixel-wise pseudo labels from box annotations with less noise, leading to significant performance improvements. Besides, considering the appearance consistency of the same polyp, an image consistency (IC) loss is designed. Such IC loss explicitly narrows the distance between features extracted by two different networks, which improves the robustness of the model. Note that our BoxPolyp is a plug-and-play model, which can be merged into any appealing backbone. Quantitative and qualitative experimental results on five challenging benchmarks confirm that our proposed model outperforms previous state-of-the-art methods by a large margin.
• Abstract（参考訳）: 正確なポリープ分画は大腸癌の診断と治療において非常に重要である。 しかし、正確なマスクアノテーションの作成コストが高いため、既存のポリプセグメンテーション手法は深刻なデータ不足とモデル一般化の障害に苦しむ。 逆に、粗いpolypバウンディングボックスアノテーションはよりアクセスしやすい。 そこで,本稿では,正確なマスクと余分な粗いボックスアノテーションの両方をフル活用するためのブーストボックスポリプモデルを提案する。 実際、ボックスアノテーションは、反復ブーストセグメンテーションモデルを通じて細粒度ポリプ領域を生成する以前のポリプセグメンテーションモデルの過剰フィッティング問題を緩和するために適用される。 この目的を達成するために、FPSモジュールが最初に提案され、より少ないノイズでボックスアノテーションからピクセル単位の擬似ラベルを生成することで、性能が大幅に向上した。 また、同一ポリプの外観整合性を考慮して、画像整合性(IC)損失を設計する。 このようなIC損失は、2つの異なるネットワークによって抽出された特徴間の距離を明示的に狭め、モデルの堅牢性を向上させる。 BoxPolypはプラグイン・アンド・プレイモデルで、魅力的なバックボーンにマージすることができます。 5つの挑戦的ベンチマークにおける定量的および定性的な実験結果から,提案手法が従来の最先端手法よりも高い性能を示した。

関連論文リスト

• EPPS: Advanced Polyp Segmentation via Edge Information Injection and Selective Feature Decoupling [5.453850739960517]
  We propose a novel model named Edge-Prioritized Polyp (EPPS)。 具体的には,ポリプのエッジを正確に抽出することを目的としたエッジマッピングエンジン(EME)を組み込んだ。 また,Selective Feature Decoupler (SFD) と呼ばれるコンポーネントを導入し,モデルに対するノイズや外的特徴の影響を抑える。
  論文  参考訳（メタデータ） (2024-05-20T07:41:04Z)
• ECC-PolypDet: Enhanced CenterNet with Contrastive Learning for Automatic Polyp Detection [88.4359020192429]
  既存の手法では、計算コストのかかるコンテキストアグリゲーションが伴うか、ポリープの事前モデリングが欠如しているため、難解なケースでは性能が低下する。 本稿では,2段階のトレーニングとエンドツーエンド推論フレームワークである Enhanced CenterNet with Contrastive Learning (ECC-PolypDet) を提案する。 Box-assisted Contrastive Learning (BCL) は, クラス内差を最小限に抑え, 前庭ポリープと背景のクラス間差を最大化するため, 隠れポリープを捕捉する。 微調整段階におけるIoU誘導サンプル再重み付けの導入
  論文  参考訳（メタデータ） (2024-01-10T07:03:41Z)
• ScribblePolyp: Scribble-Supervised Polyp Segmentation through Dual Consistency Alignment [9.488599217305625]
  ScribblePolypは,スクリブルを教師する新しいポリープセグメンテーションフレームワークである。 完全に教師されたモデルとは異なり、ScribblePolypは各画像に対して2行(スクリブルラベル)のアノテーションを必要とする。 画素のかなりの部分がラベル付けされていないスクリブルラベルの粗い性質にもかかわらず、我々は2分岐整合性アプローチを提案する。
  論文  参考訳（メタデータ） (2023-11-09T03:23:25Z)
• Lesion-aware Dynamic Kernel for Polyp Segmentation [49.63274623103663]
  ポリープセグメンテーションのための障害対応動的ネットワーク(LDNet)を提案する。 従来のU字型エンコーダ・デコーダ構造であり、動的カーネル生成と更新スキームが組み込まれている。 この単純だが効果的なスキームは、我々のモデルに強力なセグメンテーション性能と一般化能力を与える。
  論文  参考訳（メタデータ） (2023-01-12T09:53:57Z)
• Stepwise Feature Fusion: Local Guides Global [14.394421688712052]
  本稿では,ピラミッドトランスフォーマーエンコーダを用いた医用画像セグメンテーションのためのState-Of-The-Artモデルを提案する。 提案するプログレッシブ・ローカリティ・デコーダをピラミッドトランスフォーマーのバックボーンに適応させて,局所的特徴と注意分散を強調する。
  論文  参考訳（メタデータ） (2022-03-07T10:36:38Z)
• Polyp-PVT: Polyp Segmentation with Pyramid Vision Transformers [124.01928050651466]
  本稿では,Polyp-PVTと呼ばれる新しいタイプのPolypセグメンテーション手法を提案する。 提案モデルであるPolyp-PVTは,特徴の雑音を効果的に抑制し,その表現能力を大幅に向上させる。
  論文  参考訳（メタデータ） (2021-08-16T07:09:06Z)
• Automatic Polyp Segmentation via Multi-scale Subtraction Network [100.94922587360871]
  臨床的には、正確なポリープセグメンテーションは大腸癌の早期発見に重要な情報を提供する。 既存のほとんどの手法はU字型構造に基づいており、デコーダで段階的に異なるレベルの特徴を融合させるために要素ワイド付加または結合を用いる。 大腸内視鏡画像からポリプを抽出するマルチスケールサブトラクションネットワーク(MSNet)を提案する。
  論文  参考訳（メタデータ） (2021-08-11T07:54:07Z)
• PraNet: Parallel Reverse Attention Network for Polyp Segmentation [155.93344756264824]
  大腸内視鏡画像の高精度なポリープ分割のための並列リバースアテンションネットワーク(PraNet)を提案する。 並列部分復号器(PPD)を用いて,まず高層層に特徴を集約する。 さらに,エリアとバウンダリの関連性を確立するために,リバースアテンション(RA)モジュールを用いて境界キューをマイニングする。
  論文  参考訳（メタデータ） (2020-06-13T08:13:43Z)

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。