Fugu-MT 論文翻訳(概要): Synchronized Object Detection for Autonomous Sorting, Mapping, and Quantification of Medical Materials

論文の概要: Synchronized Object Detection for Autonomous Sorting, Mapping, and Quantification of Medical Materials

arxiv url: http://arxiv.org/abs/2405.06821v1
Date: Fri, 10 May 2024 21:46:03 GMT
ステータス: 処理完了
システム内更新日: 2024-05-14 19:55:18.182928
Title: Synchronized Object Detection for Autonomous Sorting, Mapping, and Quantification of Medical Materials
Title（参考訳）: 医用材料の自動ソーティング・マッピング・定量化のための同期物体検出
Authors: Federico Zocco, Daniel Lake, Shahin Rahimifard,
Abstract要約: 本稿では,リアルタイム同期物体検出手法を提案する。
参考スコア（独自算出の注目度）: 1.1265248232450553
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: The circular economy paradigm is gaining interest as a solution to reduce both material supply uncertainties and waste generation. One of the main challenges is monitoring materials, since in general, something that is not measured cannot be effectively managed. In this paper, we propose real-time synchronized object detection to enable, at the same time, autonomous sorting, mapping, and quantification of end-of-life medical materials. Dataset, code, and demo videos are publicly available.
Abstract（参考訳）: 循環経済のパラダイムは、物質供給の不確実性と廃棄物の発生の両方を減らすソリューションとして関心を集めている。主な課題の1つは、一般に測定されていないものは効果的に管理できないため、材料を監視することである。本稿では,リアルタイム同期物体検出手法を提案する。データセット、コード、デモビデオが公開されている。

関連論文リスト

Bayesian Detector Combination for Object Detection with Crowdsourced Annotations [49.43709660948812]
制約のない画像できめ細かなオブジェクト検出アノテーションを取得するのは、時間がかかり、コストがかかり、ノイズに悩まされる。ノイズの多いクラウドソースアノテーションでオブジェクト検出をより効果的に訓練するための新しいベイズ検出結合(BDC)フレームワークを提案する。 BDCはモデルに依存しず、アノテータのスキルレベルに関する事前の知識を必要とせず、既存のオブジェクト検出モデルとシームレスに統合される。
論文参考訳（メタデータ） (2024-07-10T18:00:54Z)
Combating Missing Modalities in Egocentric Videos at Test Time [92.38662956154256]
現実のアプリケーションは、プライバシの懸念、効率性の必要性、ハードウェアの問題により、不完全なモダリティを伴う問題に直面することが多い。再トレーニングを必要とせずに,テスト時にこの問題に対処する新しい手法を提案する。 MiDlは、欠落したモダリティをテスト時にのみ扱う、自己管理型のオンラインソリューションとしては初めてのものだ。
論文参考訳（メタデータ） (2024-04-23T16:01:33Z)
YOLO-MED : Multi-Task Interaction Network for Biomedical Images [18.535117490442953]
YOLO-Medは、オブジェクト検出とセマンティックセグメンテーションを同時に行うことができる効率的なエンドツーエンドマルチタスクネットワークである。 Kvasir-segデータセットとプライベートバイオメディカルイメージデータセットで評価すると,精度と速度のバランスが期待できる結果が得られた。
論文参考訳（メタデータ） (2024-03-01T03:20:42Z)
AmbientCycleGAN for Establishing Interpretable Stochastic Object Models Based on Mathematical Phantoms and Medical Imaging Measurements [4.573310303307945]
この研究はAmbientCycleGANと呼ばれる新しい手法を導入し、ノイズ測定データを用いて数学的SOMを現実的なSOMに変換する。提案手法は,数理モデルと雑音測定データに基づいて安定にSOMを確立できることを実証した。
論文参考訳（メタデータ） (2024-02-02T06:30:33Z)
Object-Centric Conformance Alignments with Synchronization (Extended Version) [57.76661079749309]
対象中心のペトリネットが一対多の関係を捉える能力と,その同一性に基づいたオブジェクトの比較と同期を行う識別子を持つペトリネットの能力を組み合わせた,新たな形式主義を提案する。我々は、満足度変調理論(SMT)の符号化に基づく、そのようなネットに対する適合性チェック手法を提案する。
論文参考訳（メタデータ） (2023-12-13T21:53:32Z)
Visual Material Characteristics Learning for Circular Healthcare [1.4957306171002251]
我々は,3つの主要な循環型経済課題を対象とした視覚システムを開発することで,循環型医療への一歩を踏み出した。システムの性能は、表現学習ビジョンが回復連鎖を改善することを実証している。また,イメージセグメンテーションのための完全注釈付きデータセットと,吸入器とグルコースメータの分解操作におけるキーポイント追跡用データセットも発表した。
論文参考訳（メタデータ） (2023-09-09T11:31:40Z)
Object-Centric Multiple Object Tracking [124.30650395969126]
本稿では,多目的追跡パイプラインのためのビデオオブジェクト中心モデルを提案する。オブジェクト中心のスロットを検出出力に適応するインデックスマージモジュールと、オブジェクトメモリモジュールで構成される。オブジェクト中心学習に特化して、オブジェクトのローカライゼーションと機能バインディングのためのスパース検出ラベルしか必要としない。
論文参考訳（メタデータ） (2023-09-01T03:34:12Z)
Rotating Features for Object Discovery [74.1465486264609]
本稿では,複雑な特徴を高次元に一般化した回転特徴と,分散表現からオブジェクトを抽出する新たな評価手法を提案する。これらの進歩により、分散オブジェクト中心の表現を単純な玩具から現実世界のデータに拡張することが可能になります。
論文参考訳（メタデータ） (2023-06-01T12:16:26Z)
Real-Time Siamese Multiple Object Tracker with Enhanced Proposals [2.4923006485141284]
SiamMOTIONは、数十の任意のオブジェクトをリアルタイムで追跡できる。注意機構と関心領域抽出器によって品質特性を生産する。 SiamMOTIONは5つの公開ベンチマークで検証されている。
論文参考訳（メタデータ） (2022-02-10T11:41:27Z)
nnDetection: A Self-configuring Method for Medical Object Detection [4.231636881498698]
nnU-Netは、画像セグメンテーションの課題に対して、大きな成功を収めた。本研究では,医療対象検出のための構成プロセスの体系化と自動化を行う。結果の自己設定方法であるnnDetectionは、手動による介入なしに、任意の医学的検出問題に適応する。
論文参考訳（メタデータ） (2021-06-01T21:55:03Z)
SoDA: Multi-Object Tracking with Soft Data Association [75.39833486073597]
マルチオブジェクトトラッキング(MOT)は、自動運転車の安全な配備の前提条件である。観測対象間の依存関係をエンコードするトラック埋め込みの計算に注目するMOTに対する新しいアプローチを提案する。
論文参考訳（メタデータ） (2020-08-18T03:40:25Z)

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。