Fugu-MT 論文翻訳(概要): Semi-supervised Large-scale Fiber Detection in Material Images with Synthetic Data

論文の概要: Semi-supervised Large-scale Fiber Detection in Material Images with Synthetic Data

arxiv url: http://arxiv.org/abs/2302.05541v1
Date: Fri, 10 Feb 2023 23:06:04 GMT
ステータス: 処理完了
システム内更新日: 2023-02-14 19:56:19.935573
Title: Semi-supervised Large-scale Fiber Detection in Material Images with Synthetic Data
Title（参考訳）: 合成データを用いた材料画像における半教師付き大規模繊維検出
Authors: Lan Fu, Zhiyuan Liu, Jinlong Li, Jeff Simmons, Hongkai Yu, Song Wang
Abstract要約: 本稿では,合成データを用いた大規模楕円形繊維検出のための半教師付き深層学習法を提案する。提案手法には,新たな関心領域(RoI)楕円学習と対称性制約付き新規なRoIランキングが組み込まれている。
参考スコア（独自算出の注目度）: 32.06062552236615
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Accurate detection of large-scale, elliptical-shape fibers, including their parameters of center, orientation and major/minor axes, on the 2D cross-sectioned image slices is very important for characterizing the underlying cylinder 3D structures in microscopic material images. Detecting fibers in a degraded image poses a challenge to both current fiber detection and ellipse detection methods. This paper proposes a new semi-supervised deep learning method for large-scale elliptical fiber detection with synthetic data, which frees people from heavy data annotations and is robust to various kinds of image degradations. A domain adaptation strategy is utilized to reduce the domain distribution discrepancy between the synthetic data and the real data, and a new Region of Interest (RoI)-ellipse learning and a novel RoI ranking with the symmetry constraint are embedded in the proposed method. Experiments on real microscopic material images demonstrate the effectiveness of the proposed approach in large-scale fiber detection.
Abstract（参考訳）: 2次元断面画像スライスにおける中心, 方位, 主軸のパラメータを含む, 大型楕円形繊維の高精度検出は, 微視的材料像中のシリンダー3次元構造を特徴付ける上で非常に重要である。劣化画像中のファイバの検出は、現在のファイバ検出法と楕円検出法の両方に挑戦する。本稿では,多量のデータアノテーションを不要とし,各種画像劣化に対して頑健な合成データを用いた,大規模楕円ファイバー検出のための半教師付き深層学習手法を提案する。ドメイン適応戦略を用いて、合成データと実データとの領域分布のずれを低減し、提案手法には、新しい関心領域(RoI)楕円学習と対称性制約付き新規なRoIランキングが組み込まれている。実顕微鏡による材料画像実験は, 大規模繊維検出における提案手法の有効性を実証するものである。

関連論文リスト

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)
Learning Spatially-Continuous Fiber Orientation Functions [1.4504054468850665]
低分解能拡散強調画像から空間連続繊維配向密度関数を学習するFENRIを提案する。我々はFENRIが現実的な低品質データから高分解能繊維配向を正確に予測できることを実証した。
論文参考訳（メタデータ） (2023-12-10T01:28:47Z)
Combining Variational Autoencoders and Physical Bias for Improved Microscopy Data Analysis [0.0]
本稿では,データ内の変数の因子を分散させる物理拡張機械学習手法を提案する。本手法はNiO-LSMO, BiFeO3, グラフェンなど様々な材料に適用される。その結果,大量の画像データから有意な情報を抽出する手法の有効性が示された。
論文参考訳（メタデータ） (2023-02-08T17:35:38Z)
Multi-mode fiber reservoir computing overcomes shallow neural networks classifiers [8.891157811906407]
我々は、マルチモード光ファイバをランダムなハードウェアプロジェクタにリキャストし、入力データセットをスペックルイメージセットに変換する。このハードウェアは、ファイバデータに基づいてトレーニングされた場合、損失景観の平坦な領域で動作し、これはディープニューラルネットワークの現在の理論と一致する。
論文参考訳（メタデータ） (2022-10-10T14:55:02Z)
Incorporating Texture Information into Dimensionality Reduction for High-Dimensional Images [65.74185962364211]
距離ベース次元削減手法に周辺情報を組み込む手法を提案する。画像パッチを比較する異なる手法の分類に基づいて,様々なアプローチを探索する。
論文参考訳（メタデータ） (2022-02-18T13:17:43Z)
RRNet: Relational Reasoning Network with Parallel Multi-scale Attention for Salient Object Detection in Optical Remote Sensing Images [82.1679766706423]
光リモートセンシング画像(RSI)のためのSODは、光学RSIから視覚的に特徴的な物体や領域を探索・抽出することを目的としている。光学RSIにおけるSODに並列なマルチスケールアテンションを持つリレーショナル推論ネットワークを提案する。提案するRRNetは,既存の最先端SODコンペティタよりも質的,定量的に優れている。
論文参考訳（メタデータ） (2021-10-27T07:18:32Z)
Efficient Light Field Reconstruction via Spatio-Angular Dense Network [14.568586050271357]
光電場再構成のためのエンドツーエンドのSPDense Network(SADenseNet)を提案する。提案したSADenseNetの最先端性能は,メモリと計算のコストを大幅に削減できることを示す。その結果, 再構成された光場画像は, 精密で精密であり, 測定関連アプリケーションの精度を向上させるために, プリプロセッシングとして機能することがわかった。
論文参考訳（メタデータ） (2021-08-08T13:50:51Z)
A parameter refinement method for Ptychography based on Deep Learning concepts [55.41644538483948]
伝播距離、位置誤差、部分的コヒーレンスにおける粗いパラメトリゼーションは、しばしば実験の生存性を脅かす。最新のDeep Learningフレームワークは、セットアップの不整合を自律的に補正するために使用され、ポチコグラフィーの再構築の質が向上する。我々は,elettra シンクロトロン施設のツインミックビームラインで取得した合成データセットと実データの両方でシステムをテストした。
論文参考訳（メタデータ） (2021-05-18T10:15:17Z)
Leveraging Spatial and Photometric Context for Calibrated Non-Lambertian Photometric Stereo [61.6260594326246]
空間と測光の両方を同時に活用できる効率的な完全畳み込みアーキテクチャを提案する。分離可能な4D畳み込みと2D熱マップを使うことで、サイズが小さくなり、効率が向上する。
論文参考訳（メタデータ） (2021-03-22T18:06:58Z)
A Parallel Down-Up Fusion Network for Salient Object Detection in Optical Remote Sensing Images [82.87122287748791]
光リモートセンシング画像(RSI)における有意な物体検出のための新しい並列ダウンアップフュージョンネットワーク(PDF-Net)を提案する。 In-pathの低レベル・高レベルな特徴とクロスパスの多解像度な特徴をフル活用して、多様なスケールのサルエントオブジェクトを識別し、散らかった背景を抑える。 ORSSDデータセットの実験により、提案したネットワークは定性的かつ定量的に最先端のアプローチ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） (2020-10-02T05:27:57Z)
Learning-based Defect Recognition for Quasi-Periodic Microscope Images [0.0]
原子分解能顕微鏡画像からの格子欠陥の検出を支援する半教師付き機械学習手法を提案する。これには、画像パッチを欠陥または非欠陥として分類する畳み込みニューラルネットワーク、モデルとして1つの非欠陥パッチを選択するグラフベース、そして最後に自動生成された畳み込みフィルタバンクが含まれる。このアルゴリズムは、III-V/Si結晶材料上でテストされ、異なる測定値に対してうまく評価され、非常に小さなトレーニングデータセットであっても有望な結果を示す。
論文参考訳（メタデータ） (2020-07-02T18:00:02Z)

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。