論文の概要: Efficient Retrieval of Images with Irregular Patterns using Morphological Image Analysis: Applications to Industrial and Healthcare datasets

• arxiv url: http://arxiv.org/abs/2310.06566v1
• Date: Tue, 10 Oct 2023 12:25:52 GMT
• ステータス: 処理完了
• システム内更新日: 2023-10-11 15:39:04.136892
• Title: Efficient Retrieval of Images with Irregular Patterns using Morphological Image Analysis: Applications to Industrial and Healthcare datasets
• Title（参考訳）: 形態素解析による不規則パターン画像の効率的な検索:産業データと医療データへの応用
• Authors: Jiajun Zhang, Georgina Cosma, Sarah Bugby and Jason Watkins
• Abstract要約: 本稿では,画像から特徴の集合(DefChars)を抽出することにより,類似の不規則なパターンを含む画像の検索を行う画像検索フレームワークを提案する。 このフレームワークは、平均精度80%、標準偏差0.09を不規則パターンのクラスで達成する。
• 参考スコア（独自算出の注目度）: 11.46855607834548
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Image retrieval is the process of searching and retrieving images from a database based on their visual content and features. Recently, much attention has been directed towards the retrieval of irregular patterns within industrial or medical images by extracting features from the images, such as deep features, colour-based features, shape-based features and local features. This has applications across a spectrum of industries, including fault inspection, disease diagnosis, and maintenance prediction. This paper proposes an image retrieval framework to search for images containing similar irregular patterns by extracting a set of morphological features (DefChars) from images; the datasets employed in this paper contain wind turbine blade images with defects, chest computerised tomography scans with COVID-19 infection, heatsink images with defects, and lake ice images. The proposed framework was evaluated with different feature extraction methods (DefChars, resized raw image, local binary pattern, and scale-invariant feature transforms) and distance metrics to determine the most efficient parameters in terms of retrieval performance across datasets. The retrieval results show that the proposed framework using the DefChars and the Manhattan distance metric achieves a mean average precision of 80% and a low standard deviation of 0.09 across classes of irregular patterns, outperforming alternative feature-metric combinations across all datasets. Furthermore, the low standard deviation between each class highlights DefChars' capability for a reliable image retrieval task, even in the presence of class imbalances or small-sized datasets.
• Abstract（参考訳）: 画像検索は、画像の内容や特徴に基づいて、データベースから画像を検索し検索するプロセスである。 近年, 深部特徴, 色に基づく特徴, 形状に基づく特徴, 局所特徴などの特徴を抽出することにより, 産業画像や医用画像内の不規則なパターンの検索に多くの注意が向けられている。 これは、障害の検査、病気の診断、メンテナンスの予測など、さまざまな産業に適用できる。 本稿では,画像から形態的特徴(図柄)のセットを抽出し,類似した不規則パターンを含む画像を検索するための画像検索フレームワークを提案する。本論文で使用するデータセットには,欠陥のある風車ブレード画像,新型コロナウイルス感染による胸部コンピュータ断層撮影,欠陥のあるヒートシンク画像,湖氷画像が含まれる。 提案手法は,異なる特徴抽出手法 (DefChars, 再サイズ生画像, 局所バイナリパターン, スケール不変特徴変換) と距離メトリクスを用いて評価し, データセット間での検索性能の最も効率的なパラメータを決定する。 その結果,DefCharsとマンハッタン距離計を用いて提案したフレームワークは,不規則パターンのクラス間で平均80%,標準偏差0.09の平均精度を達成し,全てのデータセットにおける代替特徴量の組み合わせよりも優れていた。 さらに、クラス間の標準偏差は、クラス不均衡や小さなデータセットが存在する場合でも、信頼性の高い画像検索タスクに対するdefcharsの能力を強調している。

関連論文リスト

• Visual Context-Aware Person Fall Detection [52.49277799455569]
  画像中の個人とオブジェクトを半自動分離するセグメンテーションパイプラインを提案する。 ベッド、椅子、車椅子などの背景オブジェクトは、転倒検知システムに挑戦し、誤ったポジティブアラームを引き起こす。 トレーニング中のオブジェクト固有のコンテキスト変換が、この課題を効果的に軽減することを示す。
  論文  参考訳（メタデータ） (2024-04-11T19:06:36Z)
• Common-Sense Bias Discovery and Mitigation for Classification Tasks [16.8259488742528]
  画像記述に基づいてデータセットの特徴クラスタを抽出するフレームワークを提案する。 解析された特徴と相関は人間に解釈可能であるので、我々はCommon-Sense Bias Discovery (CSBD) という手法を名づける。 実験の結果,2つのベンチマーク画像データセットに対して,複数の分類タスクに新たなバイアスが生じることがわかった。
  論文  参考訳（メタデータ） (2024-01-24T03:56:07Z)
• OsmLocator: locating overlapping scatter marks with a non-training generative perspective [48.50108853199417]
  重複するマークの配置には、テクスチャの欠如、文脈の少ない情報、ハロー形状、小さなサイズなど、多くの困難がある。 ここでは、クラスタリングに基づく再視覚化の最適化問題として、非学習的生成の観点から定式化する。 特に,異なるマーカーと様々な重なり合いの重なり合いを持つ何百もの散乱画像を含む2023というデータセットを構築し,提案手法を既存の手法と比較した。
  論文  参考訳（メタデータ） (2023-12-18T12:39:48Z)
• Vision-Language Modelling For Radiological Imaging and Reports In The Low Data Regime [70.04389979779195]
  本稿では,視覚および言語入力を共通空間に埋め込んだ医用視覚言語モデル(VLM)について検討する。 本稿では,新しい画像領域やテキスト領域への汎用事前学習モデルの適用など,低データ性能向上のためのいくつかの候補手法について検討する。 テキスト・ツー・イメージ検索をベンチマークとして,2つの胸部X線および放射線学的報告を用いた可変サイズのトレーニングデータセットを用いて,これらの手法の性能評価を行った。
  論文  参考訳（メタデータ） (2023-03-30T18:20:00Z)
• Texture Characterization of Histopathologic Images Using Ecological Diversity Measures and Discrete Wavelet Transform [82.53597363161228]
  本稿では,病理組織像間でテクスチャを特徴付ける手法を提案する。 2つのHIデータセットに有望な精度で、そのような画像の固有特性を定量化することが可能である。
  論文  参考訳（メタデータ） (2022-02-27T02:19:09Z)
• Cross-Modality Sub-Image Retrieval using Contrastive Multimodal Image Representations [3.3754780158324564]
  異なるモダリティによってキャプチャされた類似(または同じ)コンテンツのイメージは、共通の構造をほとんど共有しないため、モダリティ間の画像検索は困難である。 本稿では,モダリティ間の逆(サブ)画像検索のためのアプリケーション非依存のコンテンツベース画像検索システムを提案する。
  論文  参考訳（メタデータ） (2022-01-10T19:04:28Z)
• Influence of image noise on crack detection performance of deep convolutional neural networks [0.0]
  深層畳み込みニューラルネットワークを用いた画像データからのひび割れの分類について多くの研究がなされている。 本稿では,画像ノイズがネットワークの精度に与える影響について検討する。 AlexNetは提案したインデックスに基づいて最も効率的なモデルに選ばれた。
  論文  参考訳（メタデータ） (2021-11-03T09:08:54Z)
• A Hierarchical Transformation-Discriminating Generative Model for Few Shot Anomaly Detection [93.38607559281601]
  各トレーニングイメージのマルチスケールパッチ分布をキャプチャする階層的生成モデルを開発した。 この異常スコアは、スケール及び画像領域にわたる正しい変換のパッチベースの投票を集約して得られる。
  論文  参考訳（メタデータ） (2021-04-29T17:49:48Z)
• Graph Neural Networks for UnsupervisedDomain Adaptation of Histopathological ImageAnalytics [22.04114134677181]
  組織像解析のための教師なし領域適応のための新しい手法を提案する。 特徴空間に画像を埋め込むバックボーンと、ラベルで画像の監視信号をプロパゲートするグラフニューラルネットワーク層に基づいている。 実験では、4つの公開データセット上での最先端のパフォーマンスを評価する。
  論文  参考訳（メタデータ） (2020-08-21T04:53:44Z)
• Improved Slice-wise Tumour Detection in Brain MRIs by Computing Dissimilarities between Latent Representations [68.8204255655161]
  磁気共鳴画像(MRI)の異常検出は教師なし手法で行うことができる。 本研究では,変分オートエンコーダの潜伏空間における相似関数の計算に基づいて,腫瘍検出のためのスライスワイズ半教師法を提案する。 本研究では,高解像度画像上でのモデルをトレーニングし,再現の質を向上させることにより,異なるベースラインに匹敵する結果が得られることを示す。
  論文  参考訳（メタデータ） (2020-07-24T14:02:09Z)
• A Bag of Visual Words Model for Medical Image Retrieval [0.9137554315375919]
  Bag of Visual Words (BoVW) は、ベクトル空間における固有画像の特徴を効果的に表現する技術である。 本稿では、コンテンツに基づく医用画像検索のためのBoVWモデルに基づくMedIRアプローチを提案する。
  論文  参考訳（メタデータ） (2020-07-18T16:21:30Z)

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。