Fugu-MT 論文翻訳(概要): Relation U-Net

論文の概要: Relation U-Net

arxiv url: http://arxiv.org/abs/2501.09101v1
Date: Wed, 15 Jan 2025 19:37:18 GMT
ステータス: 翻訳完了
システム内更新日: 2025-01-17 15:09:32.069001
Title: Relation U-Net
Title（参考訳）: リレーショナルU-Net
Authors: Sheng He, Rina Bao, P. Ellen Grant, Yangming Ou,
Abstract要約: 推定された関係図間の差から、地絡のないテスト画像の信頼性スコアを推定することができる。 4つの公開データセットによる実験結果から,リレーショナルU-NetはバニラU-Netよりも精度が高いだけでなく,テスト画像上のセグメンテーション精度と線形に相関する信頼スコアを推定できることがわかった。
参考スコア（独自算出の注目度）: 4.561582228399592
License:
Abstract: Towards clinical interpretations, this paper presents a new ''output-with-confidence'' segmentation neural network with multiple input images and multiple output segmentation maps and their pairwise relations. A confidence score of the test image without ground-truth can be estimated from the difference among the estimated relation maps. We evaluate the method based on the widely used vanilla U-Net for segmentation and our new model is named Relation U-Net which can output segmentation maps of the input images as well as an estimated confidence score of the test image without ground-truth. Experimental results on four public datasets show that Relation U-Net can not only provide better accuracy than vanilla U-Net but also estimate a confidence score which is linearly correlated to the segmentation accuracy on test images.
Abstract（参考訳）: 臨床解釈に向けて,複数入力画像と複数出力セグメンテーションマップと対関係を持つ'output-with-confidence' セグメンテーションニューラルネットワークを提案する。推定された関係図間の差から、地絡のないテスト画像の信頼性スコアを推定することができる。提案手法は, セグメンテーションに広く用いられているバニラU-Netに基づいて評価し, 新たなモデルとしてリレーショナルU-Netと名付けられ, 入力画像のセグメンテーションマップを出力し, グラウンドトルースを使わずにテスト画像の信頼度を推定できる。 4つの公開データセットによる実験結果から,リレーショナルU-NetはバニラU-Netよりも精度が高いだけでなく,テスト画像上のセグメンテーション精度と線形に相関する信頼スコアを推定できることがわかった。

関連論文リスト

Hierarchical Uncertainty Estimation for Medical Image Segmentation Networks [1.9564356751775307]
不確実性は、モデルトレーニングに使用される画像(ノイズ)と手動アノテーション(ヒューマンエラーとバイアス)の両方に存在する。本稿では,複数のレベルで不確かさを推定する簡易かつ効果的な手法を提案する。 U-netのようなディープラーニングセグメンテーションネットワークは,高いセグメンテーション性能を実現することができることを示す。
論文参考訳（メタデータ） (2023-08-16T16:09:23Z)
CorrMatch: Label Propagation via Correlation Matching for Semi-Supervised Semantic Segmentation [73.89509052503222]
本稿では、CorrMatchと呼ばれる、単純だが実行可能な半教師付きセマンティックセマンティックセマンティックセマンティクス手法を提案する。相関写像は、同一カテゴリのクラスタリングピクセルを容易に実現できるだけでなく、良好な形状情報も含んでいることを観察する。我々は,高信頼画素を拡大し,さらに掘り出すために,画素の対の類似性をモデル化して画素伝搬を行う。そして、相関地図から抽出した正確なクラス非依存マスクを用いて、領域伝搬を行い、擬似ラベルを強化する。
論文参考訳（メタデータ） (2023-06-07T10:02:29Z)
Efficient Self-Supervision using Patch-based Contrastive Learning for Histopathology Image Segmentation [0.456877715768796]
画像パッチに対するコントラスト学習を用いた自己教師型画像分割のためのフレームワークを提案する。完全畳み込みニューラルネットワーク(FCNN)は、入力画像の特徴を識別するために、自己教師型で訓練される。提案したモデルは10.8kパラメータを持つ単純なFCNNで構成され、高解像度の顕微鏡データセットに収束するのに約5分を要する。
論文参考訳（メタデータ） (2022-08-23T07:24:47Z)
Understanding out-of-distribution accuracies through quantifying difficulty of test samples [10.266928164137635]
既存の研究によると、現代のニューラルネットワークは、分布内データセット(ID)において顕著な一般化性能を達成するが、分布外データセット(OOD)では精度が著しく低下する。トレーニングデータセットとモデルの相互作用に依存するテスト画像(IDまたはOOD)の難易度を定量化する新しい指標を提案する。
論文参考訳（メタデータ） (2022-03-28T21:13:41Z)
Investigating sanity checks for saliency maps with image and text classification [1.836681984330549]
サリエンシマップは、特に画像の文脈でモデル予測を説明するのに有用であり、誤解を招くものであることが示されている。本研究では, 類似度スコア, 最大感度, 不忠実度評価指標を用いて, 入力乗数の影響を解析した。
論文参考訳（メタデータ） (2021-06-08T23:23:42Z)
Provable Guarantees for Self-Supervised Deep Learning with Spectral Contrastive Loss [72.62029620566925]
自己教師型学習の最近の研究は、対照的な学習パラダイムを頼りに、最先端の技術の進歩を遂げている。我々の研究は、正の対の条件的独立性を仮定することなく、対照的な学習を分析する。本稿では,人口増分グラフ上でスペクトル分解を行う損失を提案し,コントラスト学習目的として簡潔に記述することができる。
論文参考訳（メタデータ） (2021-06-08T07:41:02Z)
With a Little Help from My Friends: Nearest-Neighbor Contrastive Learning of Visual Representations [87.72779294717267]
対比損失で最も近い隣り合わせを正として使用すると、ImageNet分類でパフォーマンスが大幅に向上します。提案手法が複雑なデータ拡張に依存しないことを実証的に証明する。
論文参考訳（メタデータ） (2021-04-29T17:56:08Z)
Group-Wise Semantic Mining for Weakly Supervised Semantic Segmentation [49.90178055521207]
この研究は、画像レベルのアノテーションとピクセルレベルのセグメンテーションのギャップを埋めることを目標に、弱い監督されたセマンティックセグメンテーション(WSSS)に対処する。画像群における意味的依存関係を明示的にモデル化し,より信頼性の高い擬似的基盤構造を推定する,新たなグループ学習タスクとしてWSSSを定式化する。特に、入力画像がグラフノードとして表現されるグループ単位のセマンティックマイニングのためのグラフニューラルネットワーク(GNN)を考案する。
論文参考訳（メタデータ） (2020-12-09T12:40:13Z)
Pairwise Relation Learning for Semi-supervised Gland Segmentation [90.45303394358493]
病理組織像における腺分節に対するPRS2モデルを提案する。このモデルはセグメンテーションネットワーク(S-Net)とペア関係ネットワーク(PR-Net)から構成される。我々は,GlaSデータセットの最近の5つの手法とCRAGデータセットの最近の3つの手法を比較した。
論文参考訳（メタデータ） (2020-08-06T15:02:38Z)
Weakly-Supervised Semantic Segmentation by Iterative Affinity Learning [86.45526827323954]
弱教師付きセマンティックセグメンテーションは、トレーニングのためにピクセル単位のラベル情報が提供されないため、難しい課題である。このようなペア関係を学習するための反復アルゴリズムを提案する。本稿では,提案アルゴリズムが最先端手法に対して好適に動作することを示す。
論文参考訳（メタデータ） (2020-02-19T10:32:03Z)

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。