Fugu-MT 論文翻訳(概要): CG-fusion CAM: Online segmentation of laser-induced damage on large-aperture optics

論文の概要: CG-fusion CAM: Online segmentation of laser-induced damage on large-aperture optics

arxiv url: http://arxiv.org/abs/2307.09161v1
Date: Tue, 18 Jul 2023 11:38:20 GMT
ステータス: 処理完了
システム内更新日: 2023-07-19 15:14:45.796639
Title: CG-fusion CAM: Online segmentation of laser-induced damage on large-aperture optics
Title（参考訳）: cg-fusion cam: 大型光学系におけるレーザー誘起損傷のオンラインセグメンテーション
Authors: Yueyue Han, Yingyan Huang, Hangcheng Dong, Fengdong Chen, Fa Zeng, Zhitao Peng, Qihua Zhu, Guodong Liu
Abstract要約: 連続勾配CAMと非線形多スケール融合(CG-fusion CAM)を用いた弱教師付き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法を提案する。提案手法は,完全教師付きアルゴリズムに匹敵するセグメンテーション性能を実現する。
参考スコア（独自算出の注目度）: 1.4658400971135652
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Online segmentation of laser-induced damage on large-aperture optics in high-power laser facilities is challenged by complicated damage morphology, uneven illumination and stray light interference. Fully supervised semantic segmentation algorithms have achieved state-of-the-art performance, but rely on plenty of pixel-level labels, which are time-consuming and labor-consuming to produce. LayerCAM, an advanced weakly supervised semantic segmentation algorithm, can generate pixel-accurate results using only image-level labels, but its scattered and partially under-activated class activation regions degrade segmentation performance. In this paper, we propose a weakly supervised semantic segmentation method with Continuous Gradient CAM and its nonlinear multi-scale fusion (CG-fusion CAM). The method redesigns the way of back-propagating gradients and non-linearly activates the multi-scale fused heatmaps to generate more fine-grained class activation maps with appropriate activation degree for different sizes of damage sites. Experiments on our dataset show that the proposed method can achieve segmentation performance comparable to that of fully supervised algorithms.
Abstract（参考訳）: 高出力レーザー施設におけるレーザー誘起損傷のオンラインセグメンテーションは, 複雑な損傷形態, 不均一照明, 成層光干渉によって解決される。完全な教師付きセマンティックセグメンテーションアルゴリズムは最先端のパフォーマンスを達成しているが、多くのピクセルレベルのラベルに依存している。高度な教師付きセマンティックセマンティックセグメンテーションアルゴリズムであるLayerCAMは、画像レベルラベルのみを使用してピクセル精度の高い結果を生成することができるが、そのばらばらで、部分的には非活性なクラスアクティベーション領域はセグメンテーション性能を低下させる。本稿では,連続勾配CAMとその非線形多スケール融合(CG-fusion CAM)を用いた弱教師付き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法を提案する。本手法は, 後方伝播勾配の方法を再設計し, 複数スケールの融解熱マップを非線形に活性化し, 異なる規模の損傷部位に対して適切な活性化度でよりきめ細かなクラス活性化マップを生成する。実験の結果,提案手法は完全教師付きアルゴリズムに匹敵するセグメンテーション性能を実現することができた。

関連論文リスト

BreakNet: Discontinuity-Resilient Multi-Scale Transformer Segmentation of Retinal Layers [0.8953337264557399]
BreakNetは、シャドーアーティファクトによる境界の不連続に対処するために設計されたトランスフォーマーベースのセグメンテーションモデルである。以上の結果から,BreakNetは網膜の定量化と解析を大幅に改善する可能性が示唆された。
論文参考訳（メタデータ） (2024-08-26T19:59:20Z)
Light-weight Retinal Layer Segmentation with Global Reasoning [14.558920359236572]
OCT画像に適用可能な網膜層セグメンテーションのためのLightReSegを提案する。提案手法は,現在の最先端技術であるTransUnetと比較して,セグメンテーション性能が向上する。
論文参考訳（メタデータ） (2024-04-25T05:42:41Z)
ECLIPSE: Efficient Continual Learning in Panoptic Segmentation with Visual Prompt Tuning [54.68180752416519]
パノプティカルセグメンテーション(英: Panoptic segmentation)は、コンピュータビジョンの最先端タスクである。 ECLIPSE と呼ばれる Visual Prompt Tuning をベースとした,新規で効率的なパノプティカルセグメンテーション手法を提案する。我々のアプローチは、基本モデルのパラメータを凍結し、小さなプロンプト埋め込みだけを微調整することであり、破滅的な忘れ物と塑性の両方に対処する。
論文参考訳（メタデータ） (2024-03-29T11:31:12Z)
UM-CAM: Uncertainty-weighted Multi-resolution Class Activation Maps for Weakly-supervised Fetal Brain Segmentation [15.333308330432176]
本稿では,意味的特徴と文脈情報探索に基づく画像レベルのラベル付き弱教師付き手法を提案する。提案手法は,画像レベルラベルを用いた最先端の弱教師付き手法よりも優れている。
論文参考訳（メタデータ） (2023-06-20T12:21:13Z)
GDIP: Gated Differentiable Image Processing for Object-Detection in Adverse Conditions [15.327704761260131]
本稿では,ドメインに依存しないネットワークアーキテクチャであるGated Differentiable Image Processing (GDIP)ブロックを提案する。提案するGDIPブロックは、下流の物体検出損失から画像を直接拡張することを学ぶ。いくつかの最先端手法による検出性能の大幅な向上を示す。
論文参考訳（メタデータ） (2022-09-29T16:43:13Z)
Multitask AET with Orthogonal Tangent Regularity for Dark Object Detection [84.52197307286681]
暗黒環境下でのオブジェクト検出を強化するために,新しいマルチタスク自動符号化変換(MAET)モデルを提案する。自己超越的な方法で、MAETは、現実的な照明劣化変換を符号化して復号することで、本質的な視覚構造を学習する。我々は,合成および実世界のデータセットを用いて最先端のパフォーマンスを達成した。
論文参考訳（メタデータ） (2022-05-06T16:27:14Z)
Mixed-UNet: Refined Class Activation Mapping for Weakly-Supervised Semantic Segmentation with Multi-scale Inference [28.409679398886304]
我々は、デコードフェーズに2つの並列分岐を持つMixed-UNetという新しいモデルを開発する。地域病院や公開データセットから収集したデータセットに対して,いくつかの一般的なディープラーニングに基づくセグメンテーションアプローチに対して,設計したMixed-UNetを評価した。
論文参考訳（メタデータ） (2022-05-06T08:37:02Z)
Multi-Channel Convolutional Analysis Operator Learning for Dual-Energy CT Reconstruction [108.06731611196291]
我々は,多チャンネル畳み込み解析演算子学習法(MCAOL)を開発した。本研究では,低エネルギー,高エネルギーで減衰画像を共同で再構成する最適化手法を提案する。
論文参考訳（メタデータ） (2022-03-10T14:22:54Z)
Weakly-supervised fire segmentation by visualizing intermediate CNN layers [82.75113406937194]
画像やビデオにおける火の局所化は、火災事故に対処するための自律システムにとって重要なステップである。我々は,ネットワークのトレーニングに画像ラベルのみを使用する,画像中の火の弱い制御セグメント化について検討する。 CNNの中間層における特徴量の平均値は,2値セグメンテーション問題である火災セグメンテーションの場合,従来のクラスアクティベーションマッピング(CAM)法よりも優れていることを示す。
論文参考訳（メタデータ） (2021-11-16T11:56:28Z)
Orthogonal Projection Loss [59.61277381836491]
直交射影損失(OPL)と呼ばれる新しい損失関数を開発する。 OPLは、機能空間におけるクラス内クラスタリングとクラス間分離を直接実施する。 OPLは、慎重な負のマイニングを必要とせず、バッチサイズに敏感であるため、ユニークな利点がある。
論文参考訳（メタデータ） (2021-03-25T17:58:00Z)
Self-supervised Equivariant Attention Mechanism for Weakly Supervised Semantic Segmentation [93.83369981759996]
本稿では,自己監督同変注意機構(SEAM)を提案する。本手法は,完全教師付きセマンティックセグメンテーションにおいて,同値が暗黙の制約であることを示す。本稿では,ネットワーク学習のための自己スーパービジョンを提供するために,様々な変換画像から予測されたCAMの整合性正則化を提案する。
論文参考訳（メタデータ） (2020-04-09T14:57:57Z)

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。