論文の概要: Weighted Circle Fusion: Ensembling Circle Representation from Different Object Detection Results
- arxiv url: http://arxiv.org/abs/2406.19540v2
- Date: Wed, 27 Nov 2024 22:44:17 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-12-02 15:16:24.934124
- Title: Weighted Circle Fusion: Ensembling Circle Representation from Different Object Detection Results
- Title（参考訳）: 重み付き円核融合:異なる物体検出結果から円の表現を組み込む
- Authors: Jialin Yue, Tianyuan Yao, Ruining Deng, Quan Liu, Juming Xiong, Junlin Guo, Haichun Yang, Yuankai Huo,
- Abstract要約: 円の表現は、医用画像研究において球状物体の識別を改善する方法として登場した。
重み付き円核融合(WCF)は、様々な円検出モデルからの予測をマージするための単純なアプローチである。
スライド画像全体(WSI)における糸球体検出のためのプロプライエタリなデータセットを用いて本手法の評価を行い,5%の性能向上を得た。
- 参考スコア（独自算出の注目度）: 9.146903293797552
- License:
- Abstract: Recently, the use of circle representation has emerged as a method to improve the identification of spherical objects (such as glomeruli, cells, and nuclei) in medical imaging studies. In traditional bounding box-based object detection, combining results from multiple models improves accuracy, especially when real-time processing isn't crucial. Unfortunately, this widely adopted strategy is not readily available for combining circle representations. In this paper, we propose Weighted Circle Fusion (WCF), a simple approach for merging predictions from various circle detection models. Our method leverages confidence scores associated with each proposed bounding circle to generate averaged circles. We evaluate our method on a proprietary dataset for glomerular detection in whole slide imaging (WSI) and find a performance gain of 5% compared to existing ensemble methods. Additionally, we assess the efficiency of two annotation methods, fully manual annotation and a human-in-the-loop (HITL) approach, in labeling 200,000 glomeruli. The HITL approach, which integrates machine learning detection with human verification, demonstrated remarkable improvements in annotation efficiency. The Weighted Circle Fusion technique not only enhances object detection precision but also notably reduces false detections, presenting a promising direction for future research and application in pathological image analysis. The source code has been made publicly available at https://github.com/hrlblab/WeightedCircleFusion
- Abstract（参考訳）: 近年、医療画像研究において球状物体(糸球体、細胞、核など)の同定を改善する方法として円表現が登場している。
従来のバウンディングボックスベースのオブジェクト検出では、複数のモデルからの結果を組み合わせることで、特にリアルタイム処理が重要でない場合、精度が向上する。
残念なことに、この広く採用されている戦略は円表現を組み合わせるために簡単には利用できない。
本稿では,様々な円検出モデルから予測をマージする簡単な手法であるWeighted Circle Fusion (WCF)を提案する。
提案手法では,各有界円に関連付けられた信頼度を利用して平均円を生成する。
本手法は,スライド画像全体(WSI)における球状検出のための独自のデータセットを用いて評価し,既存のアンサンブル法と比較して5%の性能向上を示した。
さらに,2つのアノテーション手法,完全手動アノテーションとHuman-in-the-loop(HITL)アプローチの効率を評価する。
機械学習検出と人間の検証を統合したHITLアプローチは、アノテーション効率を著しく改善した。
重み付き円核融合法は、物体検出精度を向上するだけでなく、偽検出を顕著に低減し、将来の研究と病理画像解析への応用に有望な方向を示す。
ソースコードはhttps://github.com/hrlblab/WeightedCircleFusionで公開されている。
関連論文リスト
- Towards Consistent Object Detection via LiDAR-Camera Synergy [17.665362927472973]
物体の位置を点雲と画像の両方で検出できる既存のモデルは存在しない。
本稿では,エンドツーエンドの一貫性オブジェクト検出(COD)アルゴリズムフレームワークを提案する。
本稿では,点雲と画像間の物体相関の精度を評価するために,新しい評価指標である一貫性精度(Consistency Precision)を提案する。
論文 参考訳（メタデータ） (2024-05-02T13:04:26Z) - SIRST-5K: Exploring Massive Negatives Synthesis with Self-supervised
Learning for Robust Infrared Small Target Detection [53.19618419772467]
単一フレーム赤外線小ターゲット検出(SIRST)は、乱雑な背景から小さなターゲットを認識することを目的としている。
Transformerの開発に伴い、SIRSTモデルのスケールは常に増大している。
赤外線小ターゲットデータの多彩な多様性により,本アルゴリズムはモデル性能と収束速度を大幅に改善する。
論文 参考訳（メタデータ） (2024-03-08T16:14:54Z) - Innovative Horizons in Aerial Imagery: LSKNet Meets DiffusionDet for
Advanced Object Detection [55.2480439325792]
本稿では,LSKNetのバックボーンをDiffusionDetヘッドに統合したオブジェクト検出モデルの詳細な評価を行う。
提案手法は平均精度(MAP)を約45.7%向上させる。
この進歩は、提案された修正の有効性を強調し、航空画像解析の新しいベンチマークを設定する。
論文 参考訳（メタデータ） (2023-11-21T19:49:13Z) - CircleFormer: Circular Nuclei Detection in Whole Slide Images with
Circle Queries and Attention [13.947162082687417]
動的アンカー円を用いたトランスフォーマーを用いた円形医療物体検出システムであるCircleFormerを提案する。
一般向けMoNuSegデータセットを用いた円形核検出とセグメンテーションにおける本手法の評価を行った。
論文 参考訳（メタデータ） (2023-08-30T17:01:01Z) - Rethinking k-means from manifold learning perspective [122.38667613245151]
平均推定なしで直接データのクラスタを検出する新しいクラスタリングアルゴリズムを提案する。
具体的には,バタワースフィルタを用いてデータ点間の距離行列を構成する。
異なる視点に埋め込まれた相補的な情報をうまく活用するために、テンソルのSchatten p-norm正規化を利用する。
論文 参考訳（メタデータ） (2023-05-12T03:01:41Z) - CircleSnake: Instance Segmentation with Circle Representation [4.009829991224921]
本研究では,ボール形状の医療物体に対する簡易な円錐形状変形法であるCircleSnakeを提案する。
一般的なDeepSnake法と比較して、我々の貢献は3倍である。
The proposed CircleSnake method is the first end-to-end circle representation Deep segmentation pipeline method。
論文 参考訳（メタデータ） (2022-11-02T16:34:20Z) - Rethinking Spatial Invariance of Convolutional Networks for Object
Counting [119.83017534355842]
局所連結ガウス核を用いて元の畳み込みフィルタを置き換え、密度写像の空間位置を推定する。
従来の研究から着想を得て,大規模なガウス畳み込みの近似を好意的に実装するために,翻訳不変性を伴う低ランク近似を提案する。
提案手法は,他の最先端手法を著しく上回り,物体の空間的位置の有望な学習を実現する。
論文 参考訳（メタデータ） (2022-06-10T17:51:25Z) - Unbiased IoU for Spherical Image Object Detection [45.17996641893818]
まず,球面長方形は球面画像中の物体に対する非バイアス有界な境界ボックスであることを示すとともに,近似を伴わずにIoU計算の解析手法を提案する。
また,不偏表現と計算に基づいて,球面画像に対するアンカー自由物体検出アルゴリズムを提案する。
論文 参考訳（メタデータ） (2021-08-18T08:18:37Z) - Finding Geometric Models by Clustering in the Consensus Space [61.65661010039768]
本稿では,未知数の幾何学的モデル,例えばホモグラフィーを求めるアルゴリズムを提案する。
複数の幾何モデルを用いることで精度が向上するアプリケーションをいくつか提示する。
これには、複数の一般化されたホモグラフからのポーズ推定、高速移動物体の軌道推定が含まれる。
論文 参考訳（メタデータ） (2021-03-25T14:35:07Z) - Lightweight Convolutional Neural Network with Gaussian-based Grasping
Representation for Robotic Grasping Detection [4.683939045230724]
現在の物体検出器は、高い精度と高速な推論速度のバランスを取るのが難しい。
ロボットつかみポーズ推定を行うための効率的かつ堅牢な完全畳み込みニューラルネットワークモデルを提案する。
ネットワークは、他の優れたアルゴリズムよりも桁違いに小さい順序です。
論文 参考訳（メタデータ） (2021-01-25T16:36:53Z) - DecAug: Augmenting HOI Detection via Decomposition [54.65572599920679]
現在のアルゴリズムでは、データセット内のトレーニングサンプルやカテゴリの不均衡が不足している。
本稿では,HOI検出のためのDECAugと呼ばれる効率的かつ効率的なデータ拡張手法を提案する。
実験の結果,V-COCOおよびHICODETデータセットの3.3mAPと1.6mAPの改善が得られた。
論文 参考訳（メタデータ） (2020-10-02T13:59:05Z)
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。