論文の概要: Towards Accurate Acne Detection via Decoupled Sequential Detection Head
- arxiv url: http://arxiv.org/abs/2301.12219v1
- Date: Sat, 28 Jan 2023 14:58:51 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-31 18:18:48.281712
- Title: Towards Accurate Acne Detection via Decoupled Sequential Detection Head
- Title（参考訳）: デカップリングシーケンシャル検出ヘッドによるacne検出の高精度化に向けて
- Authors: Xin Wei, Lei Zhang, Jianwei Zhang, Junyou Wang, Wenjie Liu, Jiaqi Li
and Xian Jiang
- Abstract要約: 新しいデカップリングシーケンス検出ヘッド(DSDH)は、メインストリームの2段階検出器で容易に採用できる。
そこで我々は, 課題系列機構を提案し, オフセットとスケーリングを順次実行し, より包括的にアシネ病変の次元を把握した。
提案手法は最先端の手法よりも有意なマージンで優れる。
- 参考スコア（独自算出の注目度）: 13.584041730463442
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Accurate acne detection plays a crucial role in acquiring precise diagnosis
and conducting proper therapy. However, the ambiguous boundaries and arbitrary
dimensions of acne lesions severely limit the performance of existing methods.
In this paper, we address these challenges via a novel Decoupled Sequential
Detection Head (DSDH), which can be easily adopted by mainstream two-stage
detectors. DSDH brings two simple but effective improvements to acne detection.
Firstly, the offset and scaling tasks are explicitly introduced, and their
incompatibility is settled by our task-decouple mechanism, which improves the
capability of predicting the location and size of acne lesions. Second, we
propose the task-sequence mechanism, and execute offset and scaling
sequentially to gain a more comprehensive insight into the dimensions of acne
lesions. In addition, we build a high-quality acne detection dataset named
ACNE-DET to verify the effectiveness of DSDH. Experiments on ACNE-DET and the
public benchmark ACNE04 show that our method outperforms the state-of-the-art
methods by significant margins. Our code and dataset are publicly available at
(temporarily anonymous).
- Abstract（参考訳）: 正確なacne検出は、正確な診断と適切な治療を行う上で重要な役割を果たす。
しかし, acne病巣の曖昧な境界と任意次元は既存の方法の性能を著しく制限している。
本稿では,これらの課題を,メインストリームの2段階検出器で容易に適用可能な新しいデカップリングシーケンス検出ヘッド(DSDH)を用いて解決する。
dsdhはacne検出に2つのシンプルだが効果的な改善をもたらす。
まず、オフセットタスクとスケーリングタスクを明示的に導入し、その非互換性をタスク分離機構によって解決し、クレーン病変の位置とサイズを予測する能力を向上させる。
第2に,タスクシーケンス機構を提案し,オフセットとスケーリングを逐次実行することで,acne病変の次元をより包括的に把握する。
さらに, DSDHの有効性を検証するために, ACNE-DET という高品質なクレーン検出データセットを構築した。
ACNE-DET と公開ベンチマーク ACNE04 の実験により,本手法は最先端の手法よりも有意なマージンで優れていることが示された。
私たちのコードとデータセットは(一時的に匿名で)公開されています。
関連論文リスト
- Towards Within-Class Variation in Alzheimer's Disease Detection from Spontaneous Speech [60.08015780474457]
アルツハイマー病(AD)の検出は、機械学習の分類モデルを使用する有望な研究領域として浮上している。
我々は、AD検出において、クラス内変異が重要な課題であると考え、ADを持つ個人は認知障害のスペクトルを示す。
本稿では,ソフトターゲット蒸留 (SoTD) とインスタンスレベルの再分散 (InRe) の2つの新しい手法を提案する。
論文 参考訳（メタデータ） (2024-09-22T02:06:05Z) - MSDet: Receptive Field Enhanced Multiscale Detection for Tiny Pulmonary Nodule [17.838015589388014]
肺結節は肺癌の早期診断における重要な指標である。
従来のCT画像撮影法は、煩雑な処置、低検出率、ローカライゼーション精度の低下に悩まされていた。
肺小結節検出のためのマルチスケールアテンションおよび受容野ネットワークであるMSDetを提案する。
論文 参考訳（メタデータ） (2024-09-21T06:08:23Z) - Resultant: Incremental Effectiveness on Likelihood for Unsupervised Out-of-Distribution Detection [63.93728560200819]
unsupervised out-of-distribution (U-OOD) は、未表示のin-distriion(ID)データのみに基づいて訓練された検出器でデータサンプルを識別することである。
近年の研究は、DGMに基づく様々な検出器を開発し、可能性を超えて移動している。
本研究では,各方向,特にポストホック前とデータセットエントロピー・ミューチュアルキャリブレーションの2つの手法を適用した。
実験の結果、結果が新しい最先端のU-OOD検出器になる可能性が示された。
論文 参考訳（メタデータ） (2024-09-05T02:58:13Z) - Improving Acne Image Grading with Label Distribution Smoothing [55.987107678168535]
難病の重症度評価には、典型的には病変数と世界的評価が含まれる。
画像グレーディングの有効な枠組みとしてラベル分布学習 (LDL) が提案されたが, その有効性は, 病変数を異なる重度尺度に割り当てる重度尺度によって阻害されている。
そこで本研究では,LCLとラベルスムースメントを組み合わせることで,重症度尺度情報を病変カウントに組み入れ,グローバルアセスメントから切り離すことを提案する。
論文 参考訳（メタデータ） (2024-03-01T04:02:48Z) - Automatic diagnosis of knee osteoarthritis severity using Swin
transformer [55.01037422579516]
変形性膝関節症 (KOA) は膝関節の慢性的な痛みと硬直を引き起こす疾患である。
我々は,Swin Transformer を用いて KOA の重大度を予測する自動手法を提案する。
論文 参考訳（メタデータ） (2023-07-10T09:49:30Z) - Brain subtle anomaly detection based on auto-encoders latent space
analysis : application to de novo parkinson patients [0.0]
パッチベースのオートエンコーダは、潜在空間によって提供される効率的な表現力を持ち、可視的病変検出には良い結果が得られた。
本研究は,多変量解析から派生した2つの代替検出基準を設計し,潜在空間表現から情報をより直接取得する。
パーキンソン病(PD)分類の難しい課題において,2つの指導的学習法と比較した。
論文 参考訳（メタデータ） (2023-02-27T08:58:31Z) - Learning High-quality Proposals for Acne Detection [14.422185479655143]
クレーン病変の任意の境界と小ささは、2段階検出における質の悪い提案につながる。
本研究では,提案手法の質を向上させるため,地域提案ネットワークのための新しいヘッダ構造を提案する。
さらに,AcneSCUという新しいデータセットを構築し,高精細な画像,正確なアノテーション,微細な病変の分類を行った。
論文 参考訳（メタデータ） (2022-07-08T03:28:29Z) - SSM-DTA: Breaking the Barriers of Data Scarcity in Drug-Target Affinity
Prediction [127.43571146741984]
薬物標的親和性(DTA)は、早期の薬物発見において極めて重要である。
湿式実験は依然として最も信頼性の高い方法であるが、時間と資源が集中している。
既存の手法は主に、データ不足の問題に適切に対処することなく、利用可能なDTAデータに基づく技術開発に重点を置いている。
SSM-DTAフレームワークについて述べる。
論文 参考訳（メタデータ） (2022-06-20T14:53:25Z) - Real-time landmark detection for precise endoscopic submucosal
dissection via shape-aware relation network [51.44506007844284]
内視鏡下粘膜下郭清術における高精度かつリアルタイムなランドマーク検出のための形状認識型関係ネットワークを提案する。
まず,ランドマーク間の空間的関係に関する先行知識を直感的に表現する関係キーポイント・ヒートマップを自動生成するアルゴリズムを考案する。
次に、事前知識を学習プロセスに段階的に組み込むために、2つの補完的な正規化手法を開発する。
論文 参考訳（メタデータ） (2021-11-08T07:57:30Z) - RECIST-Net: Lesion detection via grouping keypoints on RECIST-based
annotation [37.006151248641125]
病変検出のための新しいアプローチであるRECIST-Netを提案し,RECIST径の4つの極点と中心点を検出する。
実験により、RECIST-Netはイメージ毎に4つの偽陽性で92.49%の感度を達成することが示された。
論文 参考訳（メタデータ） (2021-07-19T09:41:13Z) - ACNet: Mask-Aware Attention with Dynamic Context Enhancement for Robust
Acne Detection [23.387520108585452]
本稿では,3つのコンポーネント,具体的には複合特徴再構成,動的コンテキスト拡張,マスク対応マルチアテンションからなるアクネ検出ネットワークを提案する。
本稿では, PASCAL VOC 2007におけるACNE04の最先端化と従来の最先端化手法との競合性能について述べる。
論文 参考訳（メタデータ） (2021-05-31T11:31:45Z)
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。