論文の概要: A Point-Neighborhood Learning Framework for Nasal Endoscope Image Segmentation

• arxiv url: http://arxiv.org/abs/2405.20044v2
• Date: Wed, 04 Dec 2024 07:35:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-05 15:05:02.614481
• Title: A Point-Neighborhood Learning Framework for Nasal Endoscope Image Segmentation
• Title（参考訳）: 鼻腔内視鏡画像分割のための所要学習フレームワーク
• Authors: Pengyu Jie, Wanquan Liu, Chenqiang Gao, Yihui Wen, Rui He, Weiping Wen, Pengcheng Li, Jintao Zhang, Deyu Meng,
• Abstract要約: 本稿では,PNL(Point-Neighborhood Learning)フレームワークという,シンプルで効率的な半教師付き半教師付き手法を提案する。 PNLでは、モデルのトレーニングを明示的に指導する点近傍の監督損失と擬似ラベルスコアリング機構を提案する。 提案手法は,セグメンテーションニューラルネットワークのパラメータを増大させることなく,性能を著しく向上させる。
• 参考スコア（独自算出の注目度）: 41.46663118326646
• License:
• Abstract: Lesion segmentation on nasal endoscopic images is challenging due to its complex lesion features. Fully-supervised deep learning methods achieve promising performance with pixel-level annotations but impose a significant annotation burden on experts. Although weakly supervised or semi-supervised methods can reduce the labelling burden, their performance is still limited. Some weakly semi-supervised methods employ a novel annotation strategy that labels weak single-point annotations for the entire training set while providing pixel-level annotations for a small subset of the data. However, the relevant weakly semi-supervised methods only mine the limited information of the point itself, while ignoring its label property and surrounding reliable information. This paper proposes a simple yet efficient weakly semi-supervised method called the Point-Neighborhood Learning (PNL) framework. PNL incorporates the surrounding area of the point, referred to as the point-neighborhood, into the learning process. In PNL, we propose a point-neighborhood supervision loss and a pseudo-label scoring mechanism to explicitly guide the model's training. Meanwhile, we proposed a more reliable data augmentation scheme. The proposed method significantly improves performance without increasing the parameters of the segmentation neural network. Extensive experiments on the NPC-LES dataset demonstrate that PNL outperforms existing methods by a significant margin. Additional validation on colonoscopic polyp segmentation datasets confirms the generalizability of the proposed PNL.
• Abstract（参考訳）: 鼻腔内視鏡像の病変分割は, 複雑な病変の特徴から困難である。 完全教師付きディープラーニング手法は、ピクセルレベルのアノテーションで有望なパフォーマンスを達成するが、専門家に重要なアノテーションの負担を課す。 弱い教師付きあるいは半教師付き手法はラベル付けの負担を軽減することができるが、その性能は制限されている。 いくつかの弱い半教師付き手法は、トレーニングセット全体に対して弱い単一ポイントアノテーションをラベル付けし、データの小さなサブセットに対してピクセルレベルのアノテーションを提供する、新しいアノテーション戦略を採用している。 しかし、関連する半教師付き手法は、そのラベル特性や周囲の信頼できる情報を無視しながら、点自体の限られた情報のみをマイニングする。 本稿では,PNL(Point-Neighborhood Learning)フレームワークという,シンプルで効率的な半教師付き半教師付き手法を提案する。 PNLは、点近傍と呼ばれる点の周辺領域を学習プロセスに組み込む。 PNLでは、モデルのトレーニングを明示的に指導する点近傍の監督損失と擬似ラベルスコアリング機構を提案する。 一方,より信頼性の高いデータ拡張方式を提案する。 提案手法は,セグメンテーションニューラルネットワークのパラメータを増大させることなく,性能を著しく向上させる。 NPC-LESデータセットの大規模な実験により、PNLは既存の手法よりも大きなマージンで優れていることが示された。 大腸内視鏡的ポリープセグメンテーションデータセットのさらなる検証により,提案したPNLの一般化可能性が確認された。

関連論文リスト

• Learning Semantic Segmentation with Query Points Supervision on Aerial Images [57.09251327650334]
  セマンティックセグメンテーションアルゴリズムを学習するための弱教師付き学習アルゴリズムを提案する。 提案手法は正確なセマンティックセグメンテーションを行い,手作業のアノテーションに要するコストと時間を大幅に削減することで効率を向上する。
  論文  参考訳（メタデータ） (2023-09-11T14:32:04Z)
• Weakly Supervised 3D Instance Segmentation without Instance-level Annotations [57.615325809883636]
  3Dセマンティックシーン理解タスクは、ディープラーニングの出現によって大きな成功を収めた。 本稿では,分類的セマンティックラベルのみを監督対象とする,弱制御型3Dインスタンスセマンティクス手法を提案する。 分類的セマンティックラベルから擬似インスタンスラベルを生成することで,アノテーションコストの低減で既存の3Dインスタンスセグメンテーションの学習を支援することができる。
  論文  参考訳（メタデータ） (2023-08-03T12:30:52Z)
• Cyclic Learning: Bridging Image-level Labels and Nuclei Instance Segmentation [19.526504045149895]
  本稿では,この問題を解決するために,循環学習と呼ばれる画像レベルの弱教師付き手法を提案する。 サイクルラーニングは、フロントエンドの分類タスクと、バックエンドの半教師付きインスタンスセグメンテーションタスクで構成される。 3つのデータセットを用いた実験は、核インスタンスのセグメンテーションにおいて、他の画像レベルの弱教師付き手法よりも優れた、我々の手法の優れた一般性を示す。
  論文  参考訳（メタデータ） (2023-06-05T08:32:12Z)
• Weakly Supervised Semantic Segmentation for Large-Scale Point Cloud [69.36717778451667]
  大規模なポイントクラウドセマンティックセグメンテーションのための既存の方法は、高価な、退屈でエラーを起こしやすい手動のポイントワイドアノテーションを必要とする。 この問題を解決するために,2つのコンポーネントを含む効果的な弱教師付き手法を提案する。 実験結果から,既存の弱教師付き手法と完全教師付き手法を比較検討した。
  論文  参考訳（メタデータ） (2022-12-09T09:42:26Z)
• Pointly-Supervised Panoptic Segmentation [106.68888377104886]
  弱教師付き単眼セグメンテーションにポイントレベルのアノテーションを適用するための新しい手法を提案する。 完全に教師された方法で使用される高密度のピクセルレベルラベルの代わりに、ポイントレベルラベルは、監督対象ごとに単一のポイントしか提供しない。 我々は、ポイントレベルのラベルから同時に汎視的擬似マスクを生成し、それらから学習することで、エンドツーエンドのフレームワークにおける問題を定式化する。
  論文  参考訳（メタデータ） (2022-10-25T12:03:51Z)
• Point-Teaching: Weakly Semi-Supervised Object Detection with Point Annotations [81.02347863372364]
  本稿では,弱い半教師付きオブジェクト検出フレームワークであるPoint-Teachingを提案する。 具体的には,ポイントアノテート画像の擬似ラベルを生成するためのハンガリーの点マッチング手法を提案する。 そこで本研究では,不整合点の影響を低減するため,単純なyet- effective data augmentation(ポイント誘導コピーペースト)を提案する。
  論文  参考訳（メタデータ） (2022-06-01T07:04:38Z)
• Few-Shot Semantic Segmentation Augmented with Image-Level Weak Annotations [23.02986307143718]
  ショットセマンティックセグメンテーションの最近の進歩は、わずか数ピクセルレベルの注釈付き例によってこの問題に対処している。 私たちのキーとなるアイデアは、イメージレベルのラベル付きデータから知識を融合させることで、クラスのより優れたプロトタイプ表現を学ぶことです。 画像レベルのアノテーションを統合することで,距離空間におけるクラスプロトタイプ表現を学習するための新しいフレームワークPAIAを提案する。
  論文  参考訳（メタデータ） (2020-07-03T04:58:20Z)

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。