論文の概要: PLU-Net: Extraction of multi-scale feature fusion

• arxiv url: http://arxiv.org/abs/2302.11806v1
• Date: Thu, 23 Feb 2023 06:34:05 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-24 16:10:25.857213
• Title: PLU-Net: Extraction of multi-scale feature fusion
• Title（参考訳）: PLU-Net:マルチスケール特徴融合の抽出
• Authors: Weihu Song
• Abstract要約: アラス空間ピラミッドプーリング(ASPP)とSqueeze-and-Excitation Block(SEブロック)を開発する。 また,より詳細な意味情報を得るために,ネットワークの下部に広範かつマルチスケールの受容場を利用するPSモジュールを提案する。 我々はPLU-Netを3つのベンチマークデータセットでテストし、その結果より少ないパラメータとFLOPで、医学的セマンティックセグメンテーションタスクよりも優れていることを示した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Deep learning algorithms have achieved remarkable results in medical image segmentation in recent years. These networks are unable to handle with image boundaries and details with enormous parameters, resulting in poor segmentation results. To address the issue, we develop atrous spatial pyramid pooling (ASPP) and combine it with the Squeeze-and-Excitation block (SE block), as well as present the PS module, which employs a broader and multi-scale receptive field at the network's bottom to obtain more detailed semantic information. We also propose the Local Guided block (LG block) and also its combination with the SE block to form the LS block, which can obtain more abundant local features in the feature map, so that more edge information can be retained in each down sampling process, thereby improving the performance of boundary segmentation. We propose PLU-Net and integrate our PS module and LS block into U-Net. We put our PLU-Net to the test on three benchmark datasets, and the results show that by fewer parameters and FLOPs, it outperforms on medical semantic segmentation tasks.
• Abstract（参考訳）: 深層学習アルゴリズムは近年,医療画像分割において顕著な成果を上げている。 これらのネットワークは、画像境界や細部を膨大なパラメータで扱えないため、セグメンテーションの結果は不十分である。 この問題に対処するために、アラス空間ピラミッドプーリング(ASPP)を開発し、それをSqueeze-and-Excitation block(SEブロック)と組み合わせ、ネットワークの下部に広範かつマルチスケールの受容場を用いてより詳細な意味情報を得るPSモジュールを提示する。 また、ローカルガイドブロック(LGブロック)とSEブロックの組み合わせによりLSブロックを形成し、特徴マップのより豊富なローカル特徴を得られるようにし、各ダウンサンプリングプロセスにより多くのエッジ情報を保持できるようにし、境界セグメンテーションの性能を向上させる。 我々はPLU-Netを提案し、PSモジュールとLSブロックをU-Netに統合する。 我々はPLU-Netを3つのベンチマークデータセットでテストし、その結果より少ないパラメータとFLOPで、医学的セマンティックセグメンテーションタスクよりも優れていることを示した。

関連論文リスト

• De-coupling and De-positioning Dense Self-supervised Learning [65.56679416475943]
  Dense Self-Supervised Learning (SSL)メソッドは、複数のオブジェクトでイメージを処理する際に、画像レベルの特徴表現を使用する際の制限に対処する。 本研究は, 層深度やゼロパディングに伴う受容野の増大によって生じる, 結合と位置バイアスに悩まされていることを示す。 我々はCOCOにおける本手法の利点と、オブジェクト分類、セマンティックセグメンテーション、オブジェクト検出のための新しい挑戦的ベンチマークであるOpenImage-MINIについて示す。
  論文  参考訳（メタデータ） (2023-03-29T18:07:25Z)
• Feature Aggregation and Propagation Network for Camouflaged Object Detection [42.33180748293329]
  カモフラージュされたオブジェクト検出(COD)は、環境に埋め込まれたカモフラージュされたオブジェクトを検出し、分離することを目的としている。 いくつかのCOD法が開発されているが, 前景オブジェクトと背景環境との固有の類似性により, 依然として不満足な性能に悩まされている。 カモフラージュされた物体検出のための新しい特徴集約・伝播ネットワーク(FAP-Net)を提案する。
  論文  参考訳（メタデータ） (2022-12-02T05:54:28Z)
• Lightweight and Progressively-Scalable Networks for Semantic Segmentation [100.63114424262234]
  マルチスケール学習フレームワークは,セマンティックセグメンテーションを向上する有効なモデルのクラスと見なされてきた。 本稿では,畳み込みブロックの設計と,複数スケールにわたる相互作用の仕方について,徹底的に解析する。 我々は,軽量で拡張性の高いネットワーク(LPS-Net)を考案した。
  論文  参考訳（メタデータ） (2022-07-27T16:00:28Z)
• Video Polyp Segmentation: A Deep Learning Perspective [97.70996418522748]
  本稿では,第1回総合ビデオポリプセグメンテーション(VPS)研究について紹介する。 まず、有名なSUNデータセットから158,690フレームを含む、SUN-SEGという高品質なフレーム単位のVPSデータセットを紹介します。 また,グローバルエンコーダ,ローカルエンコーダ,正規化自己保持ブロックからなる,シンプルだが効率的なベースラインを設計する。
  論文  参考訳（メタデータ） (2022-03-27T12:40:10Z)
• MSP : Refine Boundary Segmentation via Multiscale Superpixel [13.988927797931892]
  本稿では,意味的セグメンテーション結果のバウンダリ品質を改善するための,シンプルだが効果的なメッセージパッシング手法を提案する。 スーパーピクセルブロックのシャープエッジにインスパイアされ,特徴マップ内の情報伝達を誘導するためにスーパーピクセルを用いる。 本手法はプラグイン・アンド・プレイモジュールとして機能し,任意のセグメンテーション・ネットワークに容易に挿入できる。
  論文  参考訳（メタデータ） (2021-12-03T06:59:39Z)
• Learning to Aggregate Multi-Scale Context for Instance Segmentation in Remote Sensing Images [28.560068780733342]
  特徴抽出のプロセスを改善するために,新しいコンテキスト集約ネットワーク(CATNet)を提案する。 提案モデルは,高密度特徴ピラミッドネットワーク(DenseFPN),空間コンテキストピラミッド(SCP),階層的関心抽出器(HRoIE)の3つの軽量プラグアンドプレイモジュールを利用する。
  論文  参考訳（メタデータ） (2021-11-22T08:55:25Z)
• Semantic Attention and Scale Complementary Network for Instance Segmentation in Remote Sensing Images [54.08240004593062]
  本稿では,セマンティックアテンション(SEA)モジュールとスケール補完マスクブランチ(SCMB)で構成される,エンドツーエンドのマルチカテゴリインスタンスセグメンテーションモデルを提案する。 SEAモジュールは、機能マップ上の興味あるインスタンスのアクティベーションを強化するために、追加の監督を備えた、単純な完全な畳み込みセマンティックセマンティックセマンティクスブランチを含んでいる。 SCMBは、元のシングルマスクブランチをトリデントマスクブランチに拡張し、異なるスケールで補完マスクの監視を導入する。
  論文  参考訳（メタデータ） (2021-07-25T08:53:59Z)
• SALA: Soft Assignment Local Aggregation for Parameter Efficient 3D Semantic Segmentation [65.96170587706148]
  3dポイントクラウドセマンティクスセグメンテーションのためのパラメータ効率の良いネットワークを生成するポイントローカルアグリゲーション関数の設計に着目する。 グリッド型アグリゲーション関数における学習可能な隣り合わせソフトアロケーションの利用について検討する。
  論文  参考訳（メタデータ） (2020-12-29T20:16:37Z)
• Boundary-aware Context Neural Network for Medical Image Segmentation [15.585851505721433]
  医用画像のセグメンテーションは、さらなる臨床分析と疾患診断のための信頼性の高い基盤を提供することができる。 既存のCNNベースのほとんどの手法は、正確なオブジェクト境界のない不満足なセグメンテーションマスクを生成する。 本稿では,2次元医用画像分割のための境界認識コンテキストニューラルネットワーク(BA-Net)を定式化する。
  論文  参考訳（メタデータ） (2020-05-03T02:35:49Z)
• Real-Time High-Performance Semantic Image Segmentation of Urban Street Scenes [98.65457534223539]
  都市景観のロバストなセマンティックセマンティックセグメンテーションのためのリアルタイムDCNNに基づく高速DCNN手法を提案する。 提案手法は, 51.0 fps と 39.3 fps の推論速度で, 平均 73.6% と平均 68.0% (mIoU) の精度を実現する。
  論文  参考訳（メタデータ） (2020-03-11T08:45:53Z)
• Multi-level Context Gating of Embedded Collective Knowledge for Medical Image Segmentation [32.96604621259756]
  医用画像分割のためのU-Netの拡張を提案する。 U-Net, Squeeze and Excitation (SE) block, bi-directional ConvLSTM (BConvLSTM), and the mechanism of dense convolutions。 提案モデルは6つのデータセットで評価される。
  論文  参考訳（メタデータ） (2020-03-10T12:29:59Z)

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。