論文の概要: Vision Transformers for Weakly-Supervised Microorganism Enumeration

• arxiv url: http://arxiv.org/abs/2412.02250v1
• Date: Tue, 03 Dec 2024 08:27:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-04 15:44:32.242679
• Title: Vision Transformers for Weakly-Supervised Microorganism Enumeration
• Title（参考訳）: 弱改良微生物列挙のための視覚変換器
• Authors: Javier Ureña Santiago, Thomas Ströhle, Antonio Rodríguez-Sánchez, Ruth Breu,
• Abstract要約: 本研究は、微生物列挙における弱教師付き計数のための視覚変換器(ViT)の比較分析を行う。 4つの微生物学的データセットを用いた特徴抽出のためのアーキテクチャバックボーンとして,さまざまなバージョンのViTをトレーニングした。 その結果、ResNetsは全体的なパフォーマンスが向上する一方で、ViTsのパフォーマンスはすべてのデータセットにまたがる有能な結果を示している。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Microorganism enumeration is an essential task in many applications, such as assessing contamination levels or ensuring health standards when evaluating surface cleanliness. However, it's traditionally performed by human-supervised methods that often require manual counting, making it tedious and time-consuming. Previous research suggests automating this task using computer vision and machine learning methods, primarily through instance segmentation or density estimation techniques. This study conducts a comparative analysis of vision transformers (ViTs) for weakly-supervised counting in microorganism enumeration, contrasting them with traditional architectures such as ResNet and investigating ViT-based models such as TransCrowd. We trained different versions of ViTs as the architectural backbone for feature extraction using four microbiology datasets to determine potential new approaches for total microorganism enumeration in images. Results indicate that while ResNets perform better overall, ViTs performance demonstrates competent results across all datasets, opening up promising lines of research in microorganism enumeration. This comparative study contributes to the field of microbial image analysis by presenting innovative approaches to the recurring challenge of microorganism enumeration and by highlighting the capabilities of ViTs in the task of regression counting.
• Abstract（参考訳）: 微生物の列挙は、汚染レベルの評価や表面清浄度の評価における健康基準の確保など、多くの応用において必須の課題である。 しかし、伝統的に人手による数え方を必要とする方法によって行われており、面倒で時間を要する。 従来の研究では、主にインスタンスのセグメンテーションや密度推定技術を通じて、コンピュータビジョンと機械学習手法を用いて、このタスクを自動化することを提案している。 本研究では、微生物列挙の弱教師付きカウントのための視覚変換器(ViT)の比較分析を行い、ResNetのような従来のアーキテクチャと対比し、TransCrowdのようなViTベースのモデルを調査した。 我々は、4つの微生物学的データセットを用いて特徴抽出のためのアーキテクチャバックボーンとしてViTの異なるバージョンを訓練し、画像中の全微生物列挙のための潜在的新しいアプローチを特定した。 その結果、ResNetsは全体的なパフォーマンスが向上する一方、ViTsのパフォーマンスはすべてのデータセットで有能な結果を示し、微生物の列挙に関する有望な研究ラインが開かれた。 この比較研究は、微生物列挙の繰り返し挑戦に対する革新的なアプローチを提示し、レグレッションカウントのタスクにおけるViTの能力を強調することによって、微生物画像解析の分野に寄与する。

関連論文リスト

• Evaluation of Activated Sludge Settling Characteristics from Microscopy Images with Deep Convolutional Neural Networks and Transfer Learning [7.636901972162706]
  本研究では, 活性汚泥沈降特性を評価するために, コンピュータビジョンに基づく革新的な手法を提案する。 深層畳み込みニューラルネットワーク(CNN)モデルの伝達学習の実装により,既存の定量的画像解析技術の限界を克服することを目的とした。 Inception v3, ResNet18, ResNet152, ConvNeXt-nano, ConvNeXt-S などのCNNアーキテクチャを用いて, 汚泥沈降特性の評価を行った。
  論文  参考訳（メタデータ） (2024-02-14T18:13:37Z)
• Transformer-based Detection of Microorganisms on High-Resolution Petri Dish Images [13.634866461329224]
  医療や医薬品のプロセスには、継続的な衛生モニタリングに関する厳格なガイドラインがある。 これはしばしば、ペトリ料理の微生物を訓練された職員によって手動で数えるという労働集約的な作業を伴う。 本稿では,新しい変圧器変動を利用した高分解能検出パイプラインであるAttnPAFPNを紹介する。
  論文  参考訳（メタデータ） (2023-08-18T10:07:38Z)
• AMIGO: Sparse Multi-Modal Graph Transformer with Shared-Context Processing for Representation Learning of Giga-pixel Images [53.29794593104923]
  本稿では,スライド病理像全体に対する共有コンテキスト処理の新たな概念を提案する。 AMIGOは、組織内のセルラーグラフを使用して、患者に単一の表現を提供する。 我々のモデルは、データの20%以下で同じ性能を達成できる程度に、欠落した情報に対して強い堅牢性を示す。
  論文  参考訳（メタデータ） (2023-03-01T23:37:45Z)
• Application of the YOLOv5 Model for the Detection of Microobjects in the Marine Environment [101.18253437732933]
  海洋環境における微小物体の自動検出と認識の問題を解決するためのYOLOV5機械学習モデルの有効性について検討した。
  論文  参考訳（メタデータ） (2022-11-28T10:58:50Z)
• Graph Neural Networks for Microbial Genome Recovery [64.91162205624848]
  本稿では,グラフニューラルネットワーク(GNN)を用いて,メダゲノミクスビニングのためのコンティグ表現を学習する際のアセンブリグラフを活用することを提案する。 提案手法であるVaeG-Binは,個々のコンティグの潜在表現を学習するための変分オートエンコーダと,アセンブリグラフ内のコンティグの近傍構造を考慮したGNNを組み合わせる。
  論文  参考訳（メタデータ） (2022-04-26T12:49:51Z)
• Video-based Facial Micro-Expression Analysis: A Survey of Datasets, Features and Algorithms [52.58031087639394]
  マイクロ表現は不随意かつ過渡的な表情である。 嘘検出や犯罪検出など、幅広い応用において重要な情報を提供することができる。 マイクロ表現は過渡的で低強度であるため、検出と認識は困難であり、専門家の経験に大きく依存する。
  論文  参考訳（メタデータ） (2022-01-30T05:14:13Z)
• Deep neural networks approach to microbial colony detection -- a comparative analysis [52.77024349608834]
  本稿では,AGARデータセットを用いた3つの深層学習手法の性能について検討する。 得られた結果は将来の実験のベンチマークとして機能するかもしれない。
  論文  参考訳（メタデータ） (2021-08-23T12:06:00Z)
• Multiclass Yeast Segmentation in Microstructured Environments with Deep Learning [20.456742449675904]
  我々は、個々の酵母細胞の多クラスセグメンテーションのために訓練された畳み込みニューラルネットワークを提案する。 本手法は, 微構造環境下での酵母のセグメンテーションへの寄与を, 典型的な合成生物学的応用で示す。
  論文  参考訳（メタデータ） (2020-11-16T16:16:13Z)
• Towards an Automatic Analysis of CHO-K1 Suspension Growth in Microfluidic Single-cell Cultivation [63.94623495501023]
  我々は、人間の力で抽象化されたニューラルネットワークをデータレベルで注入できる新しい機械学習アーキテクチャを提案する。 具体的には、自然データと合成データに基づいて生成モデルを同時に訓練し、細胞数などの対象変数を確実に推定できる共有表現を学習する。
  論文  参考訳（メタデータ） (2020-10-20T08:36:51Z)

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。