論文の概要: ForamViT-GAN: Exploring New Paradigms in Deep Learning for
Micropaleontological Image Analysis
- arxiv url: http://arxiv.org/abs/2304.04291v1
- Date: Sun, 9 Apr 2023 18:49:38 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-11 16:33:33.712592
- Title: ForamViT-GAN: Exploring New Paradigms in Deep Learning for
Micropaleontological Image Analysis
- Title（参考訳）: foramvit-gan: マイクロパレオロジー画像解析のためのディープラーニングの新しいパラダイムの探求
- Authors: Ivan Ferreira-Chacua, Ardiansyah Koeshidayatullah
- Abstract要約: 本稿では,階層型視覚変換器とスタイルに基づく生成逆ネットワークアルゴリズムを組み合わせた新しいディープラーニングワークフローを提案する。
本研究では,高信号対雑音比(39.1dB)の高分解能画像とFrechet距離類似度スコア14.88のリアル合成画像を生成することができることを示す。
生成画像と合成画像の両方を精度良く, 異なるフォアミニフェラのセマンティック・セマンティック・セマンティック・セマンティック・セマンティック・セマンティクスを初めて行った。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Micropaleontology in geosciences focuses on studying the evolution of
microfossils (e.g., foraminifera) through geological records to reconstruct
past environmental and climatic conditions. This field heavily relies on visual
recognition of microfossil features, making it suitable for computer vision
technology, specifically deep convolutional neural networks (CNNs), to automate
and optimize microfossil identification and classification. However, the
application of deep learning in micropaleontology is hindered by limited
availability of high-quality, high-resolution labeled fossil images and the
significant manual labeling effort required by experts. To address these
challenges, we propose a novel deep learning workflow combining hierarchical
vision transformers with style-based generative adversarial network algorithms
to efficiently acquire and synthetically generate realistic high-resolution
labeled datasets of micropaleontology in large volumes. Our study shows that
this workflow can generate high-resolution images with a high signal-to-noise
ratio (39.1 dB) and realistic synthetic images with a Frechet inception
distance similarity score of 14.88. Additionally, our workflow provides a large
volume of self-labeled datasets for model benchmarking and various downstream
visual tasks, including fossil classification and segmentation. For the first
time, we performed few-shot semantic segmentation of different foraminifera
chambers on both generated and synthetic images with high accuracy. This novel
meta-learning approach is only possible with the availability of
high-resolution, high-volume labeled datasets. Our deep learning-based workflow
shows promise in advancing and optimizing micropaleontological research and
other visual-dependent geological analyses.
- Abstract（参考訳）: 地学における微光子学(micropaleontology in geosciences)は、過去の環境・気候条件を再構築するための地質学的記録を通してマイクロフォスシル(例えば、foraminifera)の進化を研究することに焦点を当てている。
この分野はマイクロフォッシルの特徴の視覚的認識に大きく依存しており、コンピュータビジョン技術、特に深層畳み込みニューラルネットワーク(CNN)に適合し、マイクロフォッシル識別と分類の自動化と最適化に適している。
しかし、深層学習の微動学への応用は、高品質で高解像度のラベル付き化石画像の入手が限られており、専門家が必要とする重要な手作業によるラベル付けが妨げられている。
そこで本研究では,階層型視覚トランスフォーマーとスタイルベース生成型逆ネットワークアルゴリズムを組み合わせた新しい深層学習ワークフローを提案する。
本研究では,高信号対雑音比(39.1dB)の高分解能画像とFrechet開始距離類似度スコア14.88のリアル合成画像を生成することができることを示す。
さらに、我々のワークフローは、モデルベンチマークのための大量の自己ラベル付きデータセットと、化石分類やセグメンテーションを含む様々な下流視覚タスクを提供します。
生成画像と合成画像の両方に, 異なる有孔体チャンバーを数ショットセグメンテーションし, 精度を向上した。
この新しいメタラーニングアプローチは、高解像度で高ボリュームのラベル付きデータセットが利用できる場合にのみ可能である。
当社のディープラーニングベースのワークフローは、マイクロパレオロジー研究とその他の視覚依存地質分析の進歩と最適化に期待を示しています。
関連論文リスト
- Dataset Distillation for Histopathology Image Classification [46.04496989951066]
病理画像データセット(Histo-DD)に適した新しいデータセット蒸留アルゴリズムを提案する。
提案アルゴリズムの有効性を総合的に評価し, パッチレベルとスライドレベルの両方の分類タスクにおいて, 組織学的サンプルを生成する。
論文 参考訳（メタデータ） (2024-08-19T05:53:38Z) - Neural Echos: Depthwise Convolutional Filters Replicate Biological
Receptive Fields [56.69755544814834]
哺乳類網膜で観察される生体受容野を,深部核が効果的に複製していることを示す証拠を提示する。
生体受容の分野からインスピレーションを得る手法を提案する。
論文 参考訳（メタデータ） (2024-01-18T18:06:22Z) - Optimizations of Autoencoders for Analysis and Classification of
Microscopic In Situ Hybridization Images [68.8204255655161]
同様のレベルの遺伝子発現を持つ顕微鏡画像の領域を検出・分類するためのディープラーニングフレームワークを提案する。
分析するデータには教師なし学習モデルが必要です。
論文 参考訳（メタデータ） (2023-04-19T13:45:28Z) - PetroGAN: A novel GAN-based approach to generate realistic, label-free
petrographic datasets [0.0]
本研究では,GAN(Generative Adversarial Network)に基づく新しいディープラーニングフレームワークを開発し,最初のリアルな合成石油写真データセットを作成する。
トレーニングデータセットは、平面光と横偏光の両方で岩石の薄い部分の10070枚の画像で構成されている。
このアルゴリズムは264のGPU時間で訓練され、ペトログラフ画像のFr'echet Inception Distance(FID)スコアが12.49に達した。
論文 参考訳（メタデータ） (2022-04-07T01:55:53Z) - Sharp-GAN: Sharpness Loss Regularized GAN for Histopathology Image
Synthesis [65.47507533905188]
コンディショナル・ジェネレーショナル・ジェネレーティブ・逆境ネットワークは、合成病理像を生成するために応用されている。
そこで我々は,現実的な病理像を合成するために,シャープネスロス正則化生成対向ネットワークを提案する。
論文 参考訳（メタデータ） (2021-10-27T18:54:25Z) - 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) - Deep learning-based super-resolution fluorescence microscopy on small
datasets [20.349746411933495]
ディープラーニングは、技術的障壁を減らし、回折制限画像から超解像を得る可能性を示している。
本稿では,小型データセットと超解像画像の訓練を成功させた畳み込みニューラルネットワークに基づく新しいアプローチを示す。
このモデルは、大規模なトレーニングデータセットの取得が困難なMRIやX線イメージングなどの他のバイオメディカルイメージングモードに適用することができます。
論文 参考訳（メタデータ） (2021-03-07T03:17:47Z) - Towards an Automatic Analysis of CHO-K1 Suspension Growth in
Microfluidic Single-cell Cultivation [63.94623495501023]
我々は、人間の力で抽象化されたニューラルネットワークをデータレベルで注入できる新しい機械学習アーキテクチャを提案する。
具体的には、自然データと合成データに基づいて生成モデルを同時に訓練し、細胞数などの対象変数を確実に推定できる共有表現を学習する。
論文 参考訳（メタデータ） (2020-10-20T08:36:51Z) - Modality Attention and Sampling Enables Deep Learning with Heterogeneous
Marker Combinations in Fluorescence Microscopy [5.334932400937323]
蛍光顕微鏡は、色チャネルとして可視化された様々な慎重に選択されたマーカーで染色することで、細胞、細胞ネットワーク、解剖学的ランドマークの詳細な検査を可能にする。
他の視覚応用におけるディープラーニング手法の成功にもかかわらず、蛍光画像解析の可能性はまだ明らかになっていない。
本稿では,モダリティサンプリング戦略と新しいアテンションモジュールを備えたニューラルネットワーク手法であるMarker Sampling and Exciteを提案する。
論文 参考訳（メタデータ） (2020-08-27T21:57:07Z)
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。