論文の概要: Human Perception-Inspired Grain Segmentation Refinement Using
Conditional Random Fields
- arxiv url: http://arxiv.org/abs/2312.09968v1
- Date: Fri, 15 Dec 2023 17:26:01 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-18 14:41:07.721227
- Title: Human Perception-Inspired Grain Segmentation Refinement Using
Conditional Random Fields
- Title（参考訳）: 条件付ランダム場を用いた知覚誘発粒分画微細化
- Authors: Doruk Aksoy, Huolin L. Xin, Timothy J. Rupert, and William J. Bowman
- Abstract要約: 本稿では,粒界接続に関する領域知識を活用し,高速かつ高忠実な後処理手法を提案する。
ポリ結晶酸化物の電子顕微鏡画像上でのU-Netモデルによる検証において,79%のセグメント識別精度を実現する。
新規な粒状アライメント指標を導入し, 粒状アライメントの51%向上を示した。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Accurate segmentation of interconnected line networks, such as grain
boundaries in polycrystalline material microstructures, poses a significant
challenge due to the fragmented masks produced by conventional computer vision
algorithms, including convolutional neural networks. These algorithms struggle
with thin masks, often necessitating intricate post-processing for effective
contour closure and continuity. Addressing this issue, this paper introduces a
fast, high-fidelity post-processing technique, leveraging domain knowledge
about grain boundary connectivity and employing conditional random fields and
perceptual grouping rules. This approach significantly enhances segmentation
mask accuracy, achieving a 79% segment identification accuracy in validation
with a U-Net model on electron microscopy images of a polycrystalline oxide.
Additionally, a novel grain alignment metric is introduced, showing a 51%
improvement in grain alignment, providing a more detailed assessment of
segmentation performance for complex microstructures. This method not only
enables rapid and accurate segmentation but also facilitates an unprecedented
level of data analysis, significantly improving the statistical representation
of grain boundary networks, making it suitable for a range of disciplines where
precise segmentation of interconnected line networks is essential.
- Abstract（参考訳）: 多結晶材料の微細構造における粒界などの相互接続網の正確なセグメンテーションは、畳み込みニューラルネットワークを含む従来のコンピュータビジョンアルゴリズムによって生成される断片化マスクにより、大きな課題となる。
これらのアルゴリズムは薄いマスクと競合し、しばしば効果的な輪郭閉鎖と連続性のために複雑な後処理を必要とする。
本稿では,粒界接続に関するドメイン知識を活用し,条件付き確率場と知覚的グループ化ルールを活用し,高速で高忠実なポストプロセッシング手法を提案する。
このアプローチはセグメンテーションマスクの精度を大幅に向上させ、多結晶酸化物の電子顕微鏡画像上でのU-Netモデルによる検証で79%のセグメンテーション識別精度を達成する。
さらに, 粒状アライメントの51%向上を示す新しい粒状アライメント指標を導入し, 複雑なミクロ組織に対するセグメンテーション性能のより詳細な評価を行った。
本手法は, 高速かつ高精度なセグメンテーションを実現するだけでなく, 前例のないレベルのデータ解析を可能にし, 粒界ネットワークの統計的表現を著しく改善し, 相互接続された回線網の正確なセグメンテーションが不可欠となる分野に適している。
関連論文リスト
- Masked Gamma-SSL: Learning Uncertainty Estimation via Masked Image
Modeling [19.000718685399935]
本研究では,単一の前方通過で高品質な不確実性推定を行うセマンティックセグメンテーションネットワークを提案する。
我々は、Masked Image Modeling (MIM) アプローチにより、基礎モデルと非ラベルデータセットの一般的な表現を利用する。
安全クリティカルなアプリケーションで使用されるニューラルネットワークでは、トレーニングデータのバイアスがエラーにつながる可能性がある。
論文 参考訳（メタデータ） (2024-02-27T15:49:54Z) - BLADE: Box-Level Supervised Amodal Segmentation through Directed
Expansion [10.57956193654977]
Boxレベルの教師付きアモーダルセグメンテーションは、この課題に対処する。
可視マスクから対応するアモーダルマスクへの指向性拡張アプローチを導入することで,新しい解を提案する。
このアプローチでは、オーバーラップする領域 – 異なるインスタンスが交わる領域 – に基づいた、ハイブリッドなエンドツーエンドネットワークが関係しています。
論文 参考訳（メタデータ） (2024-01-03T09:37:03Z) - Rotated Multi-Scale Interaction Network for Referring Remote Sensing Image Segmentation [63.15257949821558]
Referring Remote Sensing Image (RRSIS)は、コンピュータビジョンと自然言語処理を組み合わせた新しい課題である。
従来の参照画像(RIS)アプローチは、空中画像に見られる複雑な空間スケールと向きによって妨げられている。
本稿ではRMSIN(Rotated Multi-Scale Interaction Network)を紹介する。
論文 参考訳（メタデータ） (2023-12-19T08:14:14Z) - Masking Improves Contrastive Self-Supervised Learning for ConvNets, and Saliency Tells You Where [63.61248884015162]
我々は、畳み込みニューラルネットワークのためのコントラスト学習フレームワークにマスキング操作を組み込むことの負担を軽減することを目的としている。
マスクされた領域が、前景と背景の間に均等に分散されていることを考慮し、塩分濃度の制約を明示的に考慮することを提案する。
論文 参考訳（メタデータ） (2023-09-22T09:58:38Z) - Automated Grain Boundary (GB) Segmentation and Microstructural Analysis
in 347H Stainless Steel Using Deep Learning and Multimodal Microscopy [2.0445155106382797]
オーステナイト347Hステンレス鋼は、極端な運転条件に要求される優れた機械的特性と耐食性を提供する。
CNNベースのディープラーニングモデルは、材料マイクログラフから機能を自動で検出する強力な技術である。
走査型電子顕微鏡(SEM)による347Hステンレス鋼のトレーニングデータと電子後方散乱(EBSD)マイクログラフを,粒界検出のためのピクセルワイドラベルとして組み合わせた。
論文 参考訳（メタデータ） (2023-05-12T22:49:36Z) - Adversarial contamination of networks in the setting of vertex
nomination: a new trimming method [5.915837770869619]
スペクトルグラフの埋め込みは、アルゴリズムの性能とフレキシブルな設定を提供する。
ブロック構造汚染とホワイトノイズ汚染の両方に対処できるモデル空間で動作する新しいトリミング法を提案する。
このモデルトリミングは理論解析に適しており、多くのシミュレーションにおいて優れた性能を示す。
論文 参考訳（メタデータ） (2022-08-20T15:32:04Z) - Interpolation-based Correlation Reduction Network for Semi-Supervised
Graph Learning [49.94816548023729]
補間型相関低減ネットワーク(ICRN)と呼ばれる新しいグラフコントラスト学習手法を提案する。
提案手法では,決定境界のマージンを大きくすることで,潜在特徴の識別能力を向上させる。
この2つの設定を組み合わせることで、豊富なラベル付きノードと稀に価値あるラベル付きノードから豊富な監視情報を抽出し、離散表現学習を行う。
論文 参考訳（メタデータ） (2022-06-06T14:26:34Z) - Real-Time Scene Text Detection with Differentiable Binarization and
Adaptive Scale Fusion [62.269219152425556]
セグメンテーションに基づくシーンテキスト検出手法はシーンテキスト検出分野において大きな注目を集めている。
本稿では,二項化処理をセグメンテーションネットワークに統合する分散二項化(DB)モジュールを提案する。
アダプティブ・スケール・フュージョン (ASF) モジュールは, 異なるスケールの特徴を適応的に融合させることにより, スケールのロバスト性を向上させる。
論文 参考訳（メタデータ） (2022-02-21T15:30:14Z) - Detecting micro fractures with X-ray computed tomography [4.855026133182103]
XRCTを用いたカララ大理石のフラクチャーネットワークの可視化に成功したデータ集合について述べる。
従来の3手法と機械学習に基づく2手法を評価した。
2次元U-netモデルの出力は、機械学習に基づくセグメンテーション手法の1つである。
論文 参考訳（メタデータ） (2021-03-23T20:20:24Z) - The Devil is in the Boundary: Exploiting Boundary Representation for
Basis-based Instance Segmentation [85.153426159438]
本研究では,既存のグローバルマスクベースの手法を補完するグローバル境界表現を学習するために,Basisベースのインスタンス(B2Inst)を提案する。
私たちのB2Instは一貫した改善をもたらし、シーン内のインスタンス境界を正確に解析します。
論文 参考訳（メタデータ） (2020-11-26T11:26:06Z) - Refined Plane Segmentation for Cuboid-Shaped Objects by Leveraging Edge
Detection [63.942632088208505]
本稿では,セグメント化された平面マスクを画像に検出されたエッジと整列するための後処理アルゴリズムを提案する。
これにより、立方体形状の物体に制限を加えながら、最先端のアプローチの精度を高めることができます。
論文 参考訳（メタデータ） (2020-03-28T18:51:43Z)
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。