論文の概要: FFPN: Fourier Feature Pyramid Network for Ultrasound Image Segmentation
- arxiv url: http://arxiv.org/abs/2308.13790v1
- Date: Sat, 26 Aug 2023 07:28:09 GMT
- ステータス: 処理完了
- システム内更新日: 2023-08-29 19:08:12.567695
- Title: FFPN: Fourier Feature Pyramid Network for Ultrasound Image Segmentation
- Title（参考訳）: FFPN:超音波画像分割のための特徴ピラミッドネットワーク
- Authors: Chaoyu Chen, Xin Yang, Rusi Chen, Junxuan Yu, Liwei Du, Jian Wang,
Xindi Hu, Yan Cao, Yingying Liu and Dong Ni
- Abstract要約: 超音波(US)画像セグメンテーションは多くのシナリオにおいてリアルタイムかつ高精度な解析を必要とする活発な研究領域である。
既存のアプローチは、不適切な輪郭符号化に悩まされるか、エンコードされた結果の有効活用に失敗する可能性がある。
本稿では,Fourier Feature Pyramid Network (FFPN) と呼ばれる新しいFourier-anchor-based DTSフレームワークについて述べる。
- 参考スコア（独自算出の注目度）: 15.011573950064424
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Ultrasound (US) image segmentation is an active research area that requires
real-time and highly accurate analysis in many scenarios. The detect-to-segment
(DTS) frameworks have been recently proposed to balance accuracy and
efficiency. However, existing approaches may suffer from inadequate contour
encoding or fail to effectively leverage the encoded results. In this paper, we
introduce a novel Fourier-anchor-based DTS framework called Fourier Feature
Pyramid Network (FFPN) to address the aforementioned issues. The contributions
of this paper are two fold. First, the FFPN utilizes Fourier Descriptors to
adequately encode contours. Specifically, it maps Fourier series with similar
amplitudes and frequencies into the same layer of the feature map, thereby
effectively utilizing the encoded Fourier information. Second, we propose a
Contour Sampling Refinement (CSR) module based on the contour proposals and
refined features produced by the FFPN. This module extracts rich features
around the predicted contours to further capture detailed information and
refine the contours. Extensive experimental results on three large and
challenging datasets demonstrate that our method outperforms other DTS methods
in terms of accuracy and efficiency. Furthermore, our framework can generalize
well to other detection or segmentation tasks.
- Abstract（参考訳）: 超音波(US)画像セグメンテーションは多くのシナリオにおいてリアルタイムかつ高精度な解析を必要とする活発な研究領域である。
精度と効率のバランスをとるために、DTSフレームワークが最近提案されている。
しかし、既存のアプローチは不適切な輪郭の符号化に苦しむか、効果的にエンコード結果を活用することができない。
本稿では,前述の問題に対処するために,フーリエ特徴ピラミッドネットワーク (ffpn) と呼ばれる新しいフーリエアンカーベースのdtsフレームワークを提案する。
この論文の貢献は2つある。
まず、FFPNはFourier Descriptorsを使って輪郭を適切にエンコードする。
具体的には、同様の振幅と周波数を持つフーリエ級数を特徴マップの同じ層にマッピングし、エンコードされたフーリエ情報を効果的に活用する。
第2に, FFPN によるコントラル提案と改良機能に基づく Contour Smpling Refinement (CSR) モジュールを提案する。
このモジュールは、予測された輪郭の周りの豊富な特徴を抽出し、さらに詳細な情報を取り込み、輪郭を洗練する。
3つの大規模かつ難解なデータセットの広範な実験結果から,本手法は他のdts法よりも精度と効率において優れていた。
さらに,本フレームワークは他の検出タスクやセグメンテーションタスクによく対応できる。
関連論文リスト
- Robust Fourier Neural Networks [1.0589208420411014]
フーリエ埋込層の後, 単純な対角層を導入することにより, ネットワークの騒音測定がより堅牢になることを示す。
特定の条件下では,フーリエ関数の非線形関数の雑音混合である関数も学習することができる。
論文 参考訳（メタデータ） (2024-09-03T16:56:41Z) - A Fourier Transform Framework for Domain Adaptation [8.997055928719515]
教師なしドメイン適応(UDA)は、ラベルに富んだソースドメインからラベルを持たないターゲットドメインに知識を転送することができる。
既存のUDAアルゴリズムの多くは、生画像を直接入力として使用することに悩まされている。
我々は、ターゲットドメインからの低レベル情報をソースドメインに組み込むために、Fourier法(FTF)を用いる。
論文 参考訳（メタデータ） (2024-03-12T16:35:32Z) - Frequency-Aware Deepfake Detection: Improving Generalizability through
Frequency Space Learning [81.98675881423131]
この研究は、目に見えないディープフェイク画像を効果的に識別できるユニバーサルディープフェイク検出器を開発するという課題に対処する。
既存の周波数ベースのパラダイムは、偽造検出のためにGANパイプラインのアップサンプリング中に導入された周波数レベルのアーティファクトに依存している。
本稿では、周波数領域学習を中心にしたFreqNetと呼ばれる新しい周波数認識手法を導入し、ディープフェイク検出器の一般化性を高めることを目的とする。
論文 参考訳（メタデータ） (2024-03-12T01:28:00Z) - Misalignment-Robust Frequency Distribution Loss for Image Transformation [51.0462138717502]
本稿では,画像強調や超解像といった深層学習に基づく画像変換手法における共通の課題に対処することを目的とする。
本稿では、周波数領域内における分布距離を計算するための、新しいシンプルな周波数分布損失(FDL)を提案する。
本手法は,周波数領域におけるグローバル情報の思慮深い活用により,トレーニング制約として実証的に有効であることが実証された。
論文 参考訳（メタデータ） (2024-02-28T09:27:41Z) - Data-Driven Filter Design in FBP: Transforming CT Reconstruction with Trainable Fourier Series [3.6508148866314163]
本稿では,FBPフレームワーク内にCT再構成のためのトレーニング可能なフィルタを導入する。
この方法は、フーリエ級数係数を最適化してフィルタを構成することにより、ノイズ低減の限界を克服する。
本フィルタは既存のCT再構成モデルに容易に組み込めるので,幅広い応用に適応できるツールである。
論文 参考訳（メタデータ） (2024-01-29T10:47:37Z) - Neural Fourier Filter Bank [18.52741992605852]
本稿では, 効率的かつ高精度な再構築手法を提案する。
ウェーブレットにインスパイアされた我々は、信号が空間的にも周波数的にも分解されるニューラルネットワークを学習する。
論文 参考訳（メタデータ） (2022-12-04T03:45:08Z) - Deep Fourier Up-Sampling [100.59885545206744]
フーリエ領域のアップサンプリングは、そのような局所的な性質に従わないため、より難しい。
これらの問題を解決するために理論的に健全なDeep Fourier Up-Sampling (FourierUp)を提案する。
論文 参考訳（メタデータ） (2022-10-11T06:17:31Z) - NAF: Neural Attenuation Fields for Sparse-View CBCT Reconstruction [79.13750275141139]
本稿では,スパースビューCBCT再構成のための新規かつ高速な自己教師型ソリューションを提案する。
所望の減衰係数は、3次元空間座標の連続関数として表現され、完全に接続されたディープニューラルネットワークによってパラメータ化される。
ハッシュ符号化を含む学習ベースのエンコーダが採用され、ネットワークが高周波の詳細をキャプチャするのに役立つ。
論文 参考訳（メタデータ） (2022-09-29T04:06:00Z) - Seeing Implicit Neural Representations as Fourier Series [13.216389226310987]
Inlicit Neural Representation (INR)は低次元問題領域における高周波関数を表現するために多層パーセプトロンを使用する。
これらの表現は、複雑な3Dオブジェクトやシーンに関連するタスクについて、最先端の結果を得た。
この研究は2つの方法間の接続を分析し、フーリエ写像されたパーセプトロンが構造的に1つの隠蔽層SIRENと似ていることを示す。
論文 参考訳（メタデータ） (2021-09-01T08:40:20Z) - iffDetector: Inference-aware Feature Filtering for Object Detection [70.8678270164057]
Inference-aware Feature Filtering (IFF)モジュールを導入し、現代の検出器と簡単に組み合わせることができる。
IFFは、畳み込み機能を強化するためにハイレベルなセマンティクスを活用することでクローズドループ最適化を行う。
IFFはCNNベースの物体検出器とプラグアンドプレイ方式で融合でき、計算コストのオーバーヘッドは無視できる。
論文 参考訳（メタデータ） (2020-06-23T02:57:29Z) - Fourier Features Let Networks Learn High Frequency Functions in Low
Dimensional Domains [69.62456877209304]
単純なフーリエ特徴写像を通して入力点を渡すことで、多層パーセプトロンが高周波関数を学習できることを示す。
結果は、最先端の結果を達成するコンピュータビジョンとグラフィックの進歩に光を当てた。
論文 参考訳（メタデータ） (2020-06-18T17:59:11Z)
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。