論文の概要: Multi-scale attention-based instance segmentation for measuring crystals
with large size variation
- arxiv url: http://arxiv.org/abs/2401.03939v1
- Date: Mon, 8 Jan 2024 14:57:32 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-09 16:08:26.532208
- Title: Multi-scale attention-based instance segmentation for measuring crystals
with large size variation
- Title（参考訳）: 大規模変量結晶計測のためのマルチスケール注目型インスタンスセグメンテーション
- Authors: Theresa Neubauer, Astrid Berg, Maria Wimmer, Dimitrios Lenis, David
Major, Philip Matthias Winter, Gaia Romana De Paolis, Johannes Novotny,
Daniel L\"uftner, Katja Reinharter, Katja B\"uhler
- Abstract要約: 本研究では,測定精度を向上させるために,より堅牢なセグメンテーション結果を提供するインスタンスベースのセグメンテーション手法を提案する。
提案手法は,サイズを意識したマルチスケールアテンションモジュールを用いたフローマップを改良する。
結晶粒径の変動が大きい高解像度画像の屈折率原材料データセットを用いて本手法の評価を行い,既存の方法よりも高精度に結晶粒径を計算できることを示す。
- 参考スコア（独自算出の注目度）: 4.562538903457833
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Quantitative measurement of crystals in high-resolution images allows for
important insights into underlying material characteristics. Deep learning has
shown great progress in vision-based automatic crystal size measurement, but
current instance segmentation methods reach their limits with images that have
large variation in crystal size or hard to detect crystal boundaries. Even
small image segmentation errors, such as incorrectly fused or separated
segments, can significantly lower the accuracy of the measured results. Instead
of improving the existing pixel-wise boundary segmentation methods, we propose
to use an instance-based segmentation method, which gives more robust
segmentation results to improve measurement accuracy. Our novel method enhances
flow maps with a size-aware multi-scale attention module. The attention module
adaptively fuses information from multiple scales and focuses on the most
relevant scale for each segmented image area. We demonstrate that our proposed
attention fusion strategy outperforms state-of-the-art instance and boundary
segmentation methods, as well as simple average fusion of multi-scale
predictions. We evaluate our method on a refractory raw material dataset of
high-resolution images with large variation in crystal size and show that our
model can be used to calculate the crystal size more accurately than existing
methods.
- Abstract（参考訳）: 高解像度画像における結晶の定量測定は、基礎となる材料特性に関する重要な洞察を与える。
ディープラーニングは、視覚に基づく自動結晶サイズ測定において大きな進歩を示しているが、現在のインスタンス分割法は、結晶サイズが大きく変化するか、結晶境界を検出するのが難しい画像で限界に達する。
誤りや分離されたセグメントなどの小さな画像分割誤差であっても、測定結果の精度を著しく低下させることができる。
既存の画素境界分割法を改良するのではなく,より頑健な分割結果を与え,測定精度を向上させるインスタンスベースセグメンテーション法を提案する。
提案手法は,サイズを意識したマルチスケールアテンションモジュールを用いたフローマップを改良する。
アテンションモジュールは、複数のスケールから情報を適応的に融合させ、各セグメンテーション画像領域の最も関連するスケールに焦点を当てる。
提案手法は,最先端のインスタンスと境界セグメンテーション法,およびマルチスケール予測の単純な平均融合よりも優れていることを示す。
結晶粒径の変動が大きい高解像度画像の屈折率原材料データセットを用いて本手法の評価を行い,既存の方法よりも高精度に結晶粒径を計算できることを示す。
関連論文リスト
- On the Effect of Image Resolution on Semantic Segmentation [27.115235051091663]
本研究では,高分解能セグメンテーションを直接生成できるモデルが,より複雑なシステムの性能と一致することを示す。
提案手法は,ボトムアップ情報伝搬手法を様々なスケールで活用する。
先進的なセマンティックセグメンテーションデータセットを用いて,本手法を厳格に検証した。
論文 参考訳（メタデータ） (2024-02-08T04:21:30Z) - Scale-aware Super-resolution Network with Dual Affinity Learning for
Lesion Segmentation from Medical Images [50.76668288066681]
低解像度医用画像から様々な大きさの病変を適応的に分割する,スケールアウェアな超解像ネットワークを提案する。
提案するネットワークは,他の最先端手法と比較して一貫した改善を実現した。
論文 参考訳（メタデータ） (2023-05-30T14:25:55Z) - 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) - Incorporating Texture Information into Dimensionality Reduction for
High-Dimensional Images [65.74185962364211]
距離ベース次元削減手法に周辺情報を組み込む手法を提案する。
画像パッチを比較する異なる手法の分類に基づいて,様々なアプローチを探索する。
論文 参考訳（メタデータ） (2022-02-18T13:17:43Z) - Learning to Downsample for Segmentation of Ultra-High Resolution Images [6.432524678252553]
空間的に変化するダウンサンプリング戦略とセグメンテーションを併用して学習することで,計算予算に制限のある大きな画像のセグメンテーションにメリットがあることが示される。
本手法は, サンプリング密度を異なる場所に適用することにより, より小さな重要な領域から, より少ない領域からより多くのサンプルを収集する。
2つの公開データセットと1つのローカル高解像度データセットについて、本手法は、より多くの情報を保存するためのサンプリング位置を一貫して学習し、ベースライン法よりもセグメンテーション精度を向上することを示す。
論文 参考訳（メタデータ） (2021-09-22T23:04:59Z) - BoundarySqueeze: Image Segmentation as Boundary Squeezing [104.43159799559464]
本研究では,オブジェクトとシーンの微細な高画質画像分割のための新しい手法を提案する。
形態素画像処理技術による拡張と浸食に着想を得て,画素レベルのセグメンテーション問題をスクイーズ対象境界として扱う。
提案手法は,COCO,Cityscapesのインスタンス・セグメンテーション・セグメンテーション・セグメンテーションにおいて大きく向上し,同一条件下での精度・速度ともに従来のPointRendよりも優れていた。
論文 参考訳（メタデータ） (2021-05-25T04:58:51Z) - Superpixel Segmentation Based on Spatially Constrained Subspace
Clustering [57.76302397774641]
独立意味情報を持つ各代表領域を部分空間とみなし,部分空間クラスタリング問題としてスーパーピクセルセグメンテーションを定式化する。
従来のサブスペースクラスタリングとスーパーピクセルセグメンテーションの簡単な統合は,画素の空間相関のために効果的に機能しないことを示す。
本稿では,空間隣接画素に類似の属性を付加してスーパーピクセルにクラスタリング可能な,凸局所性制約付きサブスペースクラスタリングモデルを提案する。
論文 参考訳（メタデータ） (2020-12-11T06:18:36Z) - Image Matching with Scale Adjustment [57.18604132027697]
可変スケールでの関心点の表現と抽出方法を示す。
2つの異なる解像度で2つの画像を比較する方法を提案する。
論文 参考訳（メタデータ） (2020-12-10T11:03:25Z) - CascadePSP: Toward Class-Agnostic and Very High-Resolution Segmentation
via Global and Local Refinement [0.0]
最先端のセマンティックセグメンテーション手法は、固定解像度範囲内の画像にのみ訓練された。
本稿では,高分解能トレーニングデータを用いることなく,高分解能セグメンテーション問題に対処する新しい手法を提案する。
論文 参考訳（メタデータ） (2020-05-06T01:38:03Z) - 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。