論文の概要: SpeckleNN: A unified embedding for real-time speckle pattern
classification in X-ray single-particle imaging with limited labeled examples
- arxiv url: http://arxiv.org/abs/2302.06895v1
- Date: Tue, 14 Feb 2023 08:29:28 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-15 16:03:43.747423
- Title: SpeckleNN: A unified embedding for real-time speckle pattern
classification in X-ray single-particle imaging with limited labeled examples
- Title（参考訳）: SpeckleNN: X線単一粒子イメージングにおける実時間スペックルパターン分類のための統一埋め込み
- Authors: Cong Wang, Eric Florin, Hsing-Yin Chang, Jana Thayer, Chun Hong Yoon
- Abstract要約: リアルタイムスペックルパターン分類のための統合埋め込みモデルであるSpeckleNNを導入する。
ツインニューラルネットワークでトレーニングされたSpeckleNNは、スペックルパターンをユークリッド距離によって類似度を測定する統合埋め込みベクトル空間にマッピングする。
分類カテゴリーごとに数十のラベルしか表示されていないにもかかわらず、新しい見つからないサンプルと頑健な性能について、いくつかの分類機能を強調した。
- 参考スコア（独自算出の注目度）: 3.4825228215696455
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: With X-ray free-electron lasers (XFELs), it is possible to determine the
three-dimensional structure of noncrystalline nanoscale particles using X-ray
single-particle imaging (SPI) techniques at room temperature. Classifying SPI
scattering patterns, or "speckles", to extract single hits that are needed for
real-time vetoing and three-dimensional reconstruction poses a challenge for
high data rate facilities like European XFEL and LCLS-II-HE. Here, we introduce
SpeckleNN, a unified embedding model for real-time speckle pattern
classification with limited labeled examples that can scale linearly with
dataset size. Trained with twin neural networks, SpeckleNN maps speckle
patterns to a unified embedding vector space, where similarity is measured by
Euclidean distance. We highlight its few-shot classification capability on new
never-seen samples and its robust performance despite only tens of labels per
classification category even in the presence of substantial missing detector
areas. Without the need for excessive manual labeling or even a full detector
image, our classification method offers a great solution for real-time
high-throughput SPI experiments.
- Abstract（参考訳）: X線自由電子レーザー(XFEL)により、室温でのX線単一粒子イメージング(SPI)技術を用いて、非結晶ナノスケール粒子の三次元構造を決定することができる。
SPI散乱パターンの分類、すなわち「スペックル」は、リアルタイムな拒否行動や3次元再構成に必要な単一ヒットを抽出することであり、欧州のXFELやLCLS-II-HEのような高速なデータ処理施設の課題となっている。
本稿では,データセットサイズに線形にスケール可能なラベル付き例を限定した,リアルタイムスペックルパターン分類のための統合埋め込みモデルであるSpeckleNNを紹介する。
ツインニューラルネットワークでトレーニングされたSpeckleNNは、スペックルパターンをユークリッド距離によって類似度を測定する統合埋め込みベクトル空間にマッピングする。
我々は, 検出領域が不足している場合であっても, 分類カテゴリー毎のラベル数が少ないにもかかわらず, 新規のnever-seenサンプルにおける少数ショットの分類能力と頑健な性能を強調する。
過度な手動ラベリングやフル検出器画像の必要なしに、我々の分類法はリアルタイムな高スループットSPI実験に優れた解を提供する。
関連論文リスト
- Scalable 3D Reconstruction From Single Particle X-Ray Diffraction Images
Based on Online Machine Learning [34.12502156343611]
我々は,大規模なX線SPIデータセットから3次元マクロ分子の構造を推定するオンライン再構成フレームワークであるX-RAIを紹介する。
我々は,X-RAIがシミュレーションおよび実験環境における小規模データセットの最先端性能を達成することを実証した。
論文 参考訳（メタデータ） (2023-12-22T04:41:31Z) - How Can We Tame the Long-Tail of Chest X-ray Datasets? [0.0]
胸部X線(英: Chest X-rays、CXR)は、多数の異常を推測するために用いられる医療画像のモダリティである。
非常に一般的に観測されており、CXRデータセットで十分に表現されているものはほとんどない。
現在のモデルでは、稀ではあるが高い意味を持つラベルの独立した差別的特徴を学習することは困難である。
論文 参考訳（メタデータ） (2023-09-08T12:28:40Z) - KECOR: Kernel Coding Rate Maximization for Active 3D Object Detection [48.66703222700795]
我々は、ラベルの取得に最も有用なポイントクラウドを特定するために、新しいカーネル戦略を利用する。
1段目(SECOND)と2段目(SECOND)の両方に対応するため、アノテーションに選択した境界ボックスの総数と検出性能のトレードオフをよく組み込んだ分類エントロピー接点を組み込んだ。
その結果,ボックスレベルのアノテーションのコストは約44%,計算時間は26%削減された。
論文 参考訳（メタデータ） (2023-07-16T04:27:03Z) - Augment and Criticize: Exploring Informative Samples for Semi-Supervised
Monocular 3D Object Detection [64.65563422852568]
我々は、一般的な半教師付きフレームワークを用いて、難解な単分子3次元物体検出問題を改善する。
我々は、ラベルのないデータから豊富な情報的サンプルを探索する、新しい、シンプルで効果的なAugment and Criticize'フレームワークを紹介します。
3DSeMo_DLEと3DSeMo_FLEXと呼ばれる2つの新しい検出器は、KITTIのAP_3D/BEV(Easy)を3.5%以上改善した。
論文 参考訳（メタデータ） (2023-03-20T16:28:15Z) - Diffusion-Based Hierarchical Multi-Label Object Detection to Analyze
Panoramic Dental X-rays [1.2239764810898268]
歯列の列挙と関連する診断を同時に行うことで,問題のある歯を識別するエンド・ツー・エンド・エンド・モデルを開発した。
これら3つの階層を共同で学習するために,拡散に基づく新しい階層型多ラベルオブジェクト検出フレームワークを導入する。
実験結果から,本手法は最先端の物体検出法よりも優れていた。
論文 参考訳（メタデータ） (2023-03-11T21:31:54Z) - Seismic Fault Segmentation via 3D-CNN Training by a Few 2D Slices Labels [6.963867115353744]
我々は3次元地震データから2次元スライスをサンプリングし,新しい2次元クロスエントロピーと滑らかなL1損失を3D-CNNの訓練に適用する。
実験により,実データから2次元スライスラベルから3次元地震特性を抽出し,断層容積を分割できることを示した。
論文 参考訳（メタデータ） (2021-05-09T07:13:40Z) - Hyperspectral Classification Based on Lightweight 3-D-CNN With Transfer
Learning [67.40866334083941]
限定サンプルに基づくHSI分類のためのエンドツーエンドの3次元軽量畳み込みニューラルネットワーク(CNN)を提案する。
従来の3D-CNNモデルと比較して,提案した3D-LWNetはネットワーク構造が深く,パラメータが小さく,計算コストも低い。
本モデルでは,HSI分類の競合性能を,いくつかの最先端手法と比較した。
論文 参考訳（メタデータ） (2020-12-07T03:44:35Z) - Learning Hyperbolic Representations for Unsupervised 3D Segmentation [3.516233423854171]
本稿では,双曲型潜在空間を持つ変分オートエンコーダ(VAE)とジャイロプレーン畳み込み層を用いて,教師なしセグメンテーションのための3次元パッチの効果的表現を提案する。
階層型トイデータセット,BraTS全腫瘍データセット,低温電子顕微鏡データを用いた非教師なし3次元セグメンテーションにおけるハイパーボリック表現の有効性を実証した。
論文 参考訳（メタデータ） (2020-12-03T02:15:31Z) - Manual-Label Free 3D Detection via An Open-Source Simulator [50.74299948748722]
我々は、CARLAシミュレータを利用して、大量の自己ラベル付きトレーニングサンプルを生成する手動ラベルフリーな3D検出アルゴリズムを提案する。
ドメイン適応型VoxelNet(DA-VoxelNet)は、合成データから実際のシナリオへの分散ギャップを横断することができる。
実験の結果、提案されたDA 3D検出器は、KITTI評価セット上で76.66%と56.64%のmAPを達成することができた。
論文 参考訳（メタデータ） (2020-11-16T08:29:01Z) - Semi-supervised deep learning based on label propagation in a 2D
embedded space [117.9296191012968]
提案されたソリューションは、少数の教師なしイメージから多数の教師なしイメージにラベルを伝達し、ディープニューラルネットワークモデルをトレーニングする。
本稿では、より正確なラベル付きサンプルを反復してセットから深層ニューラルネットワーク(VGG-16)をトレーニングするループを提案する。
ラベル付きセットがイテレーションに沿って改善されるにつれて、ニューラルネットワークの機能が改善される。
論文 参考訳（メタデータ） (2020-08-02T20:08:54Z) - Cylindrical Convolutional Networks for Joint Object Detection and
Viewpoint Estimation [76.21696417873311]
3次元空間で定義された畳み込みカーネルの円筒形表現を利用する学習可能なモジュールである円筒型畳み込みネットワーク(CCN)を導入する。
CCNはビュー固有の畳み込みカーネルを通してビュー固有の特徴を抽出し、各視点におけるオブジェクトカテゴリスコアを予測する。
本実験は,円柱状畳み込みネットワークが関節物体の検出と視点推定に与える影響を実証する。
論文 参考訳（メタデータ） (2020-03-25T10:24:58Z)
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。