論文の概要: ThermoCycleNet: Stereo-based Thermogram Labeling for Model Transition to Cycling
- arxiv url: http://arxiv.org/abs/2508.00974v1
- Date: Fri, 01 Aug 2025 17:55:00 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-08-05 20:32:48.688448
- Title: ThermoCycleNet: Stereo-based Thermogram Labeling for Model Transition to Cycling
- Title（参考訳）: ThermoCycleNet: モデル遷移のためのステレオベースサーモグラムラベリング
- Authors: Daniel Andrés López, Vincent Weber, Severin Zentgraf, Barlo Hillen, Perikles Simon, Elmar Schömer,
- Abstract要約: スポーツ医療における強力なツールとして、赤外線サーモグラフィーが登場している。
本研究では, トレッドミル走行からエルゴメーターサイクリングへのステレオ・マルチモーダル・ラベリング手法の移行を目指す。
- 参考スコア（独自算出の注目度）: 6.564209899751819
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Infrared thermography is emerging as a powerful tool in sports medicine, allowing assessment of thermal radiation during exercise and analysis of anatomical regions of interest, such as the well-exposed calves. Building on our previous advanced automatic annotation method, we aimed to transfer the stereo- and multimodal-based labeling approach from treadmill running to ergometer cycling. Therefore, the training of the semantic segmentation network with automatic labels and fine-tuning on high-quality manually annotated images has been examined and compared in different data set combinations. The results indicate that fine-tuning with a small fraction of manual data is sufficient to improve the overall performance of the deep neural network. Finally, combining automatically generated labels with small manually annotated data sets accelerates the adaptation of deep neural networks to new use cases, such as the transition from treadmill to bicycle.
- Abstract（参考訳）: 赤外サーモグラフィーはスポーツ医学において強力なツールとして登場しており、運動中の熱放射の評価や、よく露出した子牛などの解剖学的領域の分析を可能にしている。
先進的な自動アノテーション法に基づいて, トレッドミル走行からエルゴメーターサイクリングへのステレオ・マルチモーダル・ラベリング手法の移行を目的とした。
そこで, セマンティックセグメンテーションネットワークを自動ラベルでトレーニングし, 高品質な手動アノテート画像の微調整を行い, 異なるデータセットの組み合わせで比較した。
その結果,手動データの少ない微調整は,ディープニューラルネットワークの全体的な性能を向上させるのに十分であることが示唆された。
最後に、自動生成されたラベルと小さな手動の注釈付きデータセットを組み合わせることで、トレッドミルから自転車への移行など、ディープニューラルネットワークの新たなユースケースへの適応が加速される。
関連論文リスト
- Guiding the Guidance: A Comparative Analysis of User Guidance Signals
for Interactive Segmentation of Volumetric Images [23.34168469435991]
モデル設計における重要なパラメータを特定するために,既存のガイダンス信号の比較研究を行う。
本稿では,ジオデシック距離変換を用いたガウス熱マップ誘導信号を提案し,クリックの符号化時に各ヒートマップの半径を動的に適応させる。
これらの結果から,対話型セグメンテーションでは誘導信号の選択が不可欠であることが示唆された。
論文 参考訳（メタデータ） (2023-03-13T09:17:56Z) - Application of the nnU-Net for automatic segmentation of lung lesion on
CT images, and implication on radiomic models [1.8231394717039833]
非小細胞肺癌患者のCT画像にディープラーニング自動分画法を適用した。
生存放射線モデルの性能評価において,手動と自動セグメンテーションの併用も検討した。
論文 参考訳（メタデータ） (2022-09-24T15:04:23Z) - Dynamic Supervisor for Cross-dataset Object Detection [52.95818230087297]
オブジェクト検出タスクにおけるデータセット間のトレーニングは、データセットにまたがるカテゴリ内の不整合が、完全に教師付き学習を半教師付き学習に変換するため、複雑である。
本稿では,ハードラベルとソフトラベルを併用した複数更新サブモデルを用いて,アノテーションを複数回更新する動的スーパーバイザフレームワークを提案する。
最終生成アノテーションでは、ハードラベルトレーニングとソフトラベルトレーニングを統合することで、リコールと精度が大幅に向上した。
論文 参考訳（メタデータ） (2022-04-01T03:18:46Z) - Recurrent Spectral Network (RSN): shaping the basin of attraction of a
discrete map to reach automated classification [4.724825031148412]
自動分類のための新しい戦略が導入された。これは、完全に訓練された動的システムを利用して、アイテムを異なる引き付け者に向けて操る。
非線型項はトランジェントに作用し、初期条件として供給されたデータを離散力学系に切り離すことができる。
我々の新しい分類手法であるRecurrent Spectral Network (RSN) は、画像処理訓練のための標準データセットと同様に、図形的な目的のために作成された単純なテストベッドモデルに挑戦することに成功した。
論文 参考訳（メタデータ） (2022-02-09T14:59:06Z) - Deep Metric Learning with Locality Sensitive Angular Loss for
Self-Correcting Source Separation of Neural Spiking Signals [77.34726150561087]
本稿では, 深層学習に基づく手法を提案し, 自動掃除とロバスト分離フィルタの必要性に対処する。
本手法は, ソース分離した高密度表面筋電図記録に基づいて, 人工的に劣化したラベルセットを用いて検証する。
このアプローチにより、ニューラルネットワークは、信号のラベル付けの不完全な方法を使用して、神経生理学的時系列を正確に復号することができる。
論文 参考訳（メタデータ） (2021-10-13T21:51:56Z) - Wearable-based Classification of Running Styles with Deep Learning [8.422257363944295]
我々はウェアラブルを用いてランニングスタイルを分類できるシステムを開発した。
5つのウェアラブルデバイスは、下半身の異なる部分からの加速度計データを記録するために使用される。
提案モデルでは,異なるランニングスタイルを主観的な方法で自動的に分類できることを示す。
論文 参考訳（メタデータ） (2021-09-01T19:55:06Z) - Real-time Pose and Shape Reconstruction of Two Interacting Hands With a
Single Depth Camera [79.41374930171469]
本稿では,2つの強く相互作用する手の位置と形状をリアルタイムに再現する新しい手法を提案する。
われわれのアプローチは、有利なプロパティの広範なリスト、すなわちマーカーレスを組み合わせている。
過去の研究で示された複雑性レベルを超える場面で、最先端の結果を示す。
論文 参考訳（メタデータ） (2021-06-15T11:39:49Z) - Learning to Segment Human Body Parts with Synthetically Trained Deep
Convolutional Networks [58.0240970093372]
本稿では,合成データのみを用いて学習した深部畳み込みニューラルネットワークに基づく人体部分分割のための新しい枠組みを提案する。
提案手法は,人体部品の実際の注釈付きデータを用いてモデルを訓練することなく,最先端の結果が得られる。
論文 参考訳（メタデータ） (2021-02-02T12:26:50Z) - Firearm Detection via Convolutional Neural Networks: Comparing a
Semantic Segmentation Model Against End-to-End Solutions [68.8204255655161]
武器の脅威検出とライブビデオからの攻撃的な行動は、潜在的に致命的な事故の迅速検出と予防に使用できる。
これを実現する一つの方法は、人工知能と、特に画像分析のための機械学習を使用することです。
従来のモノリシックなエンド・ツー・エンドのディープラーニングモデルと、セマンティクスセグメンテーションによって火花を検知する単純なニューラルネットワークのアンサンブルに基づく前述したモデルを比較した。
論文 参考訳（メタデータ） (2020-12-17T15:19:29Z) - Minimizing Labeling Effort for Tree Skeleton Segmentation using an
Automated Iterative Training Methodology [4.574094598984042]
意味的セグメンテーションのための畳み込みニューラルネットワークの訓練には、大量の人的努力が必要である。
ヒューマン・イン・ザ・ループ法はラベル付けの労力を減らすが、画像ごとに人間の介入を必要とする。
新しい-the-Loopメソッドは、人間のループと完全な手動ラベリング手法に匹敵する性能を保ちながら、ラベリングの労力を大幅に削減する。
論文 参考訳（メタデータ） (2020-10-16T10:38:43Z) - SideInfNet: A Deep Neural Network for Semi-Automatic Semantic
Segmentation with Side Information [83.03179580646324]
本稿では,新たなディープニューラルネットワークアーキテクチャであるSideInfNetを提案する。
画像から学習した機能とユーザアノテーションから抽出したサイド情報を統合する。
提案手法を評価するために,提案したネットワークを3つのセマンティックセグメンテーションタスクに適用し,ベンチマークデータセットに対する広範な実験を行った。
論文 参考訳（メタデータ） (2020-02-07T06:10:54Z)
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。