論文の概要: ACTIVE: A Deep Model for Sperm and Impurity Detection in Microscopic
Videos
- arxiv url: http://arxiv.org/abs/2301.06002v1
- Date: Sun, 15 Jan 2023 02:24:17 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-18 17:47:53.403713
- Title: ACTIVE: A Deep Model for Sperm and Impurity Detection in Microscopic
Videos
- Title(参考訳): active: 顕微鏡ビデオにおける精子の深層モデルと不純物検出
- Authors: Ao Chen, Jinghua Zhang, Md Mamunur Rahaman, Hongzan Sun, M.D., Tieyong
Zeng, Marcin Grzegorzek, Feng-Lei Fan, Chen Li
- Abstract要約: 二重分岐特徴抽出ネットワーク(DBFEN)とクロス共役特徴ピラミッドネットワーク(CCFPN)に基づくディープラーニングモデルを提案する。
実験の結果、精子と不純物検出の最も高いAP50は91.13%と59.64%であり、競争相手をかなりの差でリードさせ、この問題に新たな最先端の結果を確立した。
- 参考スコア(独自算出の注目度): 17.3840418564686
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The accurate detection of sperms and impurities is a very challenging task,
facing problems such as the small size of targets, indefinite target
morphologies, low contrast and resolution of the video, and similarity of
sperms and impurities. So far, the detection of sperms and impurities still
largely relies on the traditional image processing and detection techniques
which only yield limited performance and often require manual intervention in
the detection process, therefore unfavorably escalating the time cost and
injecting the subjective bias into the analysis. Encouraged by the successes of
deep learning methods in numerous object detection tasks, here we report a deep
learning model based on Double Branch Feature Extraction Network (DBFEN) and
Cross-conjugate Feature Pyramid Networks (CCFPN).DBFEN is designed to extract
visual features from tiny objects with a double branch structure, and CCFPN is
further introduced to fuse the features extracted by DBFEN to enhance the
description of position and high-level semantic information. Our work is the
pioneer of introducing deep learning approaches to the detection of sperms and
impurities. Experiments show that the highest AP50 of the sperm and impurity
detection is 91.13% and 59.64%, which lead its competitors by a substantial
margin and establish new state-of-the-art results in this problem.
- Abstract(参考訳): 精子と不純物の正確な検出は、目標の小さなサイズ、不確定なターゲット形態、ビデオの低コントラストと解像度、精子と不純物の類似性といった問題に直面している非常に難しい課題である。
これまでのところ、精子や不純物の検出は、限られた性能しか得られず、しばしば手動による検出プロセスの介入を必要とする従来の画像処理と検出技術に大きく依存している。
本稿では,多数のオブジェクト検出タスクにおけるディープラーニング手法の成功にともなう,二重分岐特徴抽出ネットワーク(DBFEN)とクロス共役特徴ピラミッドネットワーク(CCFPN)に基づくディープラーニングモデルを報告する。
DBFENは、二重分岐構造を持つ小さなオブジェクトから視覚的特徴を抽出するように設計されており、CCFPNは、DBFENによって抽出された特徴を融合させ、位置と高レベルの意味情報の記述を強化する。
私たちの研究は、精子や不純物を検出するためのディープラーニングアプローチの導入の先駆者です。
実験により、精子および不純物検出の最高ap50は91.13%と59.64%であり、競争相手をかなりの利益率で導いて、この問題に新たな最先端の結果をもたらすことが示されている。
関連論文リスト
- Seamless Detection: Unifying Salient Object Detection and Camouflaged Object Detection [73.85890512959861]
本稿では,SOD(Salient Object Detection)とCOD(Camouflaged Object Detection)を統合化するためのタスク非依存フレームワークを提案する。
我々は、間隔層と大域的コンテキストを含む単純で効果的なコンテキストデコーダを設計し、67fpsの推論速度を実現する。
公開SODデータセットとCODデータセットの実験は、教師なし設定と教師なし設定の両方において、提案したフレームワークの優位性を実証している。
論文 参考訳(メタデータ) (2024-12-22T03:25:43Z) - UniForensics: Face Forgery Detection via General Facial Representation [60.5421627990707]
高レベルの意味的特徴は摂動の影響を受けにくく、フォージェリー固有の人工物に限らないため、より強い一般化がある。
我々は、トランスフォーマーベースのビデオネットワークを活用する新しいディープフェイク検出フレームワークUniForensicsを導入し、顔の豊かな表現のためのメタファンクショナルな顔分類を行う。
論文 参考訳(メタデータ) (2024-07-26T20:51:54Z) - Innovative Horizons in Aerial Imagery: LSKNet Meets DiffusionDet for
Advanced Object Detection [55.2480439325792]
本稿では,LSKNetのバックボーンをDiffusionDetヘッドに統合したオブジェクト検出モデルの詳細な評価を行う。
提案手法は平均精度(MAP)を約45.7%向上させる。
この進歩は、提案された修正の有効性を強調し、航空画像解析の新しいベンチマークを設定する。
論文 参考訳(メタデータ) (2023-11-21T19:49:13Z) - Small Object Detection via Coarse-to-fine Proposal Generation and
Imitation Learning [52.06176253457522]
本稿では,粗粒度パイプラインと特徴模倣学習に基づく小型物体検出に適した2段階フレームワークを提案する。
CFINetは、大規模な小さなオブジェクト検出ベンチマークであるSODA-DとSODA-Aで最先端の性能を達成する。
論文 参考訳(メタデータ) (2023-08-18T13:13:09Z) - A New Knowledge Distillation Network for Incremental Few-Shot Surface
Defect Detection [20.712532953953808]
本稿では,DKAN(Dual Knowledge Align Network)と呼ばれる新しい知識蒸留ネットワークを提案する。
提案したDKAN法は,事前学習型ファインタニング伝達学習パラダイムを踏襲し,ファインタニングのための知識蒸留フレームワークを設計した。
Few-shot NEU-DETデータセットをインクリメンタルに実験した結果、DKANは様々なシーンで他の手法よりも優れていることが示された。
論文 参考訳(メタデータ) (2022-09-01T15:08:44Z) - Adversarially-Aware Robust Object Detector [85.10894272034135]
本稿では,ロバスト検出器 (RobustDet) を提案する。
本モデルは, クリーン画像の検出能力を維持しながら, 傾きを効果的に解き, 検出堅牢性を著しく向上させる。
論文 参考訳(メタデータ) (2022-07-13T13:59:59Z) - ReDFeat: Recoupling Detection and Description for Multimodal Feature
Learning [51.07496081296863]
我々は、相互重み付け戦略による多モーダル特徴学習の検出と記述の独立した制約を再定義する。
本研究では,大きな受容場を有し,学習可能な非最大抑制層を備える検出器を提案する。
我々は,特徴マッチングと画像登録タスクにおける特徴量を評価するために,クロス可視,赤外線,近赤外,合成開口レーダ画像ペアを含むベンチマークを構築した。
論文 参考訳(メタデータ) (2022-05-16T04:24:22Z) - TOD-CNN: An Effective Convolutional Neural Network for Tiny Object
Detection in Sperm Videos [17.739265119524244]
高品質な精子顕微鏡ビデオの基盤となるデータセットを用いて, 微小物体検出のための畳み込みニューラルネットワーク(TOD-CNN)を提案する。
精子品質分析における精子検出技術の重要性を明らかにするため,関連する精子品質評価尺度を作成し,医師の診断結果と比較した。
論文 参考訳(メタデータ) (2022-04-18T05:14:27Z) - SWIPENET: Object detection in noisy underwater images [41.35601054297707]
本稿では,この2つの問題に対処するために,Sample-WeIghted hyPEr Network(SWIPENET)とCurriculum Multi-Class Adaboost(CMA)という堅牢なトレーニングパラダイムを提案する。
SWIPENETのバックボーンは、複数の高解像度かつセマンティックリッチなハイパーフィーチャーマップを生成し、小さなオブジェクト検出を大幅に改善する。
簡単な概念から難しい概念まで学習を促進する人間の教育プロセスに着想を得て,まず騒音の影響を受けないクリーンな検出器を訓練するCMA訓練パラダイムを提案する。
論文 参考訳(メタデータ) (2020-10-19T16:41:20Z)
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。