論文の概要: Panoptic Segmentation of Galactic Structures in LSB Images

• arxiv url: http://arxiv.org/abs/2407.07494v1
• Date: Wed, 10 Jul 2024 09:26:26 GMT
• ステータス: 処理完了
• システム内更新日: 2024-07-11 17:11:48.817569
• Title: Panoptic Segmentation of Galactic Structures in LSB Images
• Title（参考訳）: LSB画像における銀河構造のパノプティックセグメンテーション
• Authors: Felix Richards, Adeline Paiement, Xianghua Xie, Elisabeth Sola, Pierre-Alain Duc,
• Abstract要約: 低表面輝度(LSB)画像中の銀河構造を局所化するための深層学習の利用について検討する。 本稿では,銀河構造の多クラス分割と非晶質画像汚染物質の拡張に対する新しい統一的アプローチを提案する。
• 参考スコア（独自算出の注目度）: 3.8156441667333234
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We explore the use of deep learning to localise galactic structures in low surface brightness (LSB) images. LSB imaging reveals many interesting structures, though these are frequently confused with galactic dust contamination, due to a strong local visual similarity. We propose a novel unified approach to multi-class segmentation of galactic structures and of extended amorphous image contaminants. Our panoptic segmentation model combines Mask R-CNN with a contaminant specialised network and utilises an adaptive preprocessing layer to better capture the subtle features of LSB images. Further, a human-in-the-loop training scheme is employed to augment ground truth labels. These different approaches are evaluated in turn, and together greatly improve the detection of both galactic structures and contaminants in LSB images.
• Abstract（参考訳）: 低表面輝度(LSB)画像中の銀河構造を局所化するための深層学習の利用について検討する。 LSBイメージングは多くの興味深い構造が示されるが、それらは強い局所的な視覚的類似性のため、しばしば銀河の塵の汚染と混同される。 本稿では,銀河構造の多クラス分割と非晶質画像汚染物質の拡張に対する新しい統一的アプローチを提案する。 当社のパノプティカルセグメンテーションモデルは,Mask R-CNNと汚染特化ネットワークを組み合わせることで,LSB画像の微妙な特徴をより正確に捉えるために,適応前処理層を利用する。 さらに、地中真理ラベルを増強するために、人道訓練スキームを用いる。 これらの異なるアプローチを交互に評価し、LSB画像における銀河構造と汚染物質の両方の検出を大幅に改善する。

関連論文リスト

• Snake with Shifted Window: Learning to Adapt Vessel Pattern for OCTA Segmentation [2.314516220934268]
  本研究では, 管状構造に適した変形可能な畳み込みと, 大域的特徴抽出のためのスウィン変換器を併用したSSW-OCTAモデルを提案する。 我々のモデルはOCTA-500データセットのテストと比較を行い、最先端のパフォーマンスを実現した。
  論文  参考訳（メタデータ） (2024-04-28T07:01:55Z)
• DiAD: A Diffusion-based Framework for Multi-class Anomaly Detection [55.48770333927732]
  本稿では,拡散型異常検出(Difusion-based Anomaly Detection, DAD)フレームワークを提案する。 画素空間オートエンコーダ、安定拡散の復調ネットワークに接続する潜在空間セマンティックガイド(SG)ネットワーク、特徴空間事前学習機能抽出器から構成される。 MVTec-ADとVisAデータセットの実験は、我々のアプローチの有効性を実証している。
  論文  参考訳（メタデータ） (2023-12-11T18:38:28Z)
• CLiSA: A Hierarchical Hybrid Transformer Model using Orthogonal Cross Attention for Satellite Image Cloud Segmentation [5.178465447325005]
  ディープラーニングアルゴリズムは画像セグメンテーション問題を解決するための有望なアプローチとして登場してきた。 本稿では,Lipschitz Stable Attention NetworkによるCLiSA - Cloudセグメンテーションという,効果的なクラウドマスク生成のためのディープラーニングモデルを提案する。 Landsat-8, Sentinel-2, Cartosat-2sを含む複数の衛星画像データセットの質的および定量的な結果を示す。
  論文  参考訳（メタデータ） (2023-11-29T09:31:31Z)
• The Whole Pathological Slide Classification via Weakly Supervised Learning [7.313528558452559]
  細胞核疾患と病理タイルの空間的相関の2つの病因を考察した。 本研究では,抽出器訓練中の汚れ分離を利用したデータ拡張手法を提案する。 次に,隣接行列を用いてタイル間の空間的関係を記述する。 これら2つのビューを統合することで,H&E染色組織像を解析するためのマルチインスタンス・フレームワークを設計した。
  論文  参考訳（メタデータ） (2023-07-12T16:14:23Z)
• Evaluation of the potential of Near Infrared Hyperspectral Imaging for monitoring the invasive brown marmorated stink bug [53.682955739083056]
  BMSB(Halyomorpha halys)は、数種の作物を害する世界的重要性の害虫である。 本研究は、BMSB検体を検出する技術として、NIR-HSI(Near Infrared Hyperspectral Imaging)を実験室レベルで予備評価する。
  論文  参考訳（メタデータ） (2023-01-19T11:37:20Z)
• Discovering Class-Specific GAN Controls for Semantic Image Synthesis [73.91655061467988]
  本稿では,事前訓練されたSISモデルの潜在空間において,空間的に不整合なクラス固有方向を求める新しい手法を提案する。 提案手法によって検出される潜在方向は,セマンティッククラスの局所的な外観を効果的に制御できることを示す。
  論文  参考訳（メタデータ） (2022-12-02T21:39:26Z)
• Retinal Image Restoration and Vessel Segmentation using Modified Cycle-CBAM and CBAM-UNet [0.7868449549351486]
  畳み込みブロックアテンションモジュール(CBAM)を備えたサイクル一貫性生成対向ネットワーク(CycleGAN)を網膜画像復元に使用する。 修正されたUNetは、回復した網膜画像の網膜血管セグメンテーションに使用される。 提案手法は, アウト・オブ・フォーカスのぼかし, 色歪み, 低, 高, 不均一照明による劣化効果を著しく低減することができる。
  論文  参考訳（メタデータ） (2022-09-09T10:47:20Z)
• Self-Supervised Bulk Motion Artifact Removal in Optical Coherence Tomography Angiography [62.416595926084206]
  バルクモーションアーティファクト(BMA)は、被写体のマイクロモーションによるものであり、通常、ぼやけた領域に囲まれた明るいストライプとして現れる。 本稿では,自己管理型コンテンツ認識型BMAリカバリモデルを提案する。 我々のモデルはより大きなBMAを補正し、より良い視覚化結果をもたらすことができる。
  論文  参考訳（メタデータ） (2022-02-21T16:58:22Z)
• CLAWS: Contrastive Learning with hard Attention and Weak Supervision [1.1619569706231647]
  本稿では,大規模農業データセットを手動でラベル付けする問題に対処する,アノテーション効率のよい学習フレームワークであるCLAWSを提案する。 CLAWSは、SimCLRにインスパイアされたネットワークバックボーンを使用して、クラスクラスタ内のコントラスト学習の影響を調べる。 本研究は,11種類の作物群からなる227,060検体を用いて,教師付きSimCLRとCLAWSの比較を行った。
  論文  参考訳（メタデータ） (2021-12-01T21:45:58Z)
• Domain-Smoothing Network for Zero-Shot Sketch-Based Image Retrieval [66.37346493506737]
  Zero-Shot Sketch-Based Image Retrieval (ZS-SBIR) は、新しいクロスモーダル検索タスクである。 ZS-SBIRのための新しいドメイン・スムーシング・ネットワーク(DSN)を提案する。 我々のアプローチは、SketchyとTU-Berlinの両方のデータセットで最先端の手法よりも優れている。
  論文  参考訳（メタデータ） (2021-06-22T14:58:08Z)
• Learning to See Through Obstructions with Layered Decomposition [117.77024641706451]
  移動画像から不要な障害を取り除くための学習に基づくアプローチを提案する。 本手法は背景要素と閉塞要素の運動差を利用して両方の層を復元する。 本研究では,合成データから得られた提案手法が実画像に対して良好に動作することを示す。
  論文  参考訳（メタデータ） (2020-08-11T17:59:31Z)

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。