Fugu-MT 論文翻訳(概要): Attention Pooling Enhances NCA-based Classification of Microscopy Images

論文の概要: Attention Pooling Enhances NCA-based Classification of Microscopy Images

arxiv url: http://arxiv.org/abs/2508.12324v1
Date: Sun, 17 Aug 2025 10:46:53 GMT
ステータス: 翻訳完了
システム内更新日: 2025-08-19 14:49:10.683461
Title: Attention Pooling Enhances NCA-based Classification of Microscopy Images
Title（参考訳）: NCAを用いた顕微鏡画像のアテンションプーリングによる分類
Authors: Chen Yang, Michael Deutges, Jingsong Liu, Han Li, Nassir Navab, Carsten Marr, Ario Sadafi,
Abstract要約: 我々は、特徴抽出を強化し、分類精度を向上させるために、ニューラルセルオートマタとアテンションプーリングを統合した。 8種類の顕微鏡画像データセットを用いて本手法の評価を行い,提案手法が既存のNAA法より有意に優れていることを示す。本結果は,NAAモデルが説明可能な画像分類の代替となる可能性を強調した。
参考スコア（独自算出の注目度）: 45.60974312463409
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Neural Cellular Automata (NCA) offer a robust and interpretable approach to image classification, making them a promising choice for microscopy image analysis. However, a performance gap remains between NCA and larger, more complex architectures. We address this challenge by integrating attention pooling with NCA to enhance feature extraction and improve classification accuracy. The attention pooling mechanism refines the focus on the most informative regions, leading to more accurate predictions. We evaluate our method on eight diverse microscopy image datasets and demonstrate that our approach significantly outperforms existing NCA methods while remaining parameter-efficient and explainable. Furthermore, we compare our method with traditional lightweight convolutional neural network and vision transformer architectures, showing improved performance while maintaining a significantly lower parameter count. Our results highlight the potential of NCA-based models an alternative for explainable image classification.
Abstract（参考訳）: ニューラルセルラーオートマタ(NCA)は、画像分類に対する堅牢で解釈可能なアプローチを提供し、顕微鏡画像解析に有望な選択である。しかし、NAAとより大きな、より複雑なアーキテクチャの間には、パフォーマンスのギャップが残っている。 NCAとアテンションプーリングを統合して特徴抽出を強化し,分類精度を向上させることで,この問題に対処する。注意プーリング機構は最も情報性の高い領域に焦点を絞り、より正確な予測をもたらす。本手法は,8種類の顕微鏡画像データセットを用いて評価し,パラメータ効率と説明性を維持しつつ,既存のNAA法を著しく上回っていることを示す。さらに,本手法を従来の軽量畳み込みニューラルネットワークとビジョントランスフォーマーアーキテクチャと比較し,パラメータ数を大幅に削減しつつ性能を向上した。本結果は,NAAモデルが説明可能な画像分類の代替となる可能性を強調した。

関連論文リスト

Integrated Image Reconstruction and Target Recognition based on Deep Learning Technique [3.3410072288157155]
Att-ClassiGAN は,従来の CMI アプローチと比較して,再建時間を大幅に短縮する。改良された正規化平均二乗誤差(NMSE)、より高い構造類似度指数(SSIM)、再建対象に対するより良い分類結果を提供する。
論文参考訳（メタデータ） (2025-05-07T22:34:32Z)
Enhanced Convolutional Neural Networks for Improved Image Classification [0.40964539027092917]
CIFAR-10は、小規模のマルチクラスデータセットの分類モデルの性能を評価するために広く使用されているベンチマークである。本稿では,より深い畳み込みブロック,バッチ正規化,ドロップアウト正規化を統合したCNNアーキテクチャを提案する。
論文参考訳（メタデータ） (2025-02-02T04:32:25Z)
CAVE-Net: Classifying Abnormalities in Video Capsule Endoscopy [0.1937002985471497]
複雑な画像データセットを解析する際の診断精度を向上させるために,アンサンブルに基づくアプローチを提案する。各モデルのユニークな特徴抽出機能を活用し、全体的な精度を向上させる。これらの手法を用いることで、提案フレームワークであるCAVE-Netは、ロバストな特徴識別と、より優れた分類結果を提供する。
論文参考訳（メタデータ） (2024-10-26T17:25:08Z)
DCNN: Dual Cross-current Neural Networks Realized Using An Interactive Deep Learning Discriminator for Fine-grained Objects [48.65846477275723]
本研究では、微細な画像分類の精度を向上させるために、新しい二重電流ニューラルネットワーク(DCNN)を提案する。弱い教師付き学習バックボーンモデルを構築するための新しい特徴として、(a)異種データの抽出、(b)特徴マップの解像度の維持、(c)受容領域の拡大、(d)グローバル表現と局所特徴の融合などがある。
論文参考訳（メタデータ） (2024-05-07T07:51:28Z)
Diffusion Model Based Visual Compensation Guidance and Visual Difference Analysis for No-Reference Image Quality Assessment [78.21609845377644]
本稿では, 複雑な関係をモデル化する能力を示す, 最先端(SOTA)生成モデルを提案する。生成した拡張画像とノイズを含む画像を利用する新しい拡散復元ネットワークを考案する。 2つの視覚評価枝は、得られた高レベル特徴情報を包括的に解析するように設計されている。
論文参考訳（メタデータ） (2024-02-22T09:39:46Z)
Dual-Activated Lightweight Attention ResNet50 for Automatic Histopathology Breast Cancer Image Classification [0.0]
本研究では,乳がんの新たな分類法であるDual-Activated Lightweight Attention ResNet50モデルを提案する。トレーニング済みのResNet50モデルと軽量なアテンション機構を統合し、ResNet50の第4層にアテンションモジュールを埋め込む。 DALAResNet50法は,40X,100X,200X,400Xの乳がん組織像を用いて,それぞれ98.5%,98.7%,97.9%,94.3%の検診を行った。
論文参考訳（メタデータ） (2023-08-25T03:08:41Z)
Optimizations of Autoencoders for Analysis and Classification of Microscopic In Situ Hybridization Images [68.8204255655161]
同様のレベルの遺伝子発現を持つ顕微鏡画像の領域を検出・分類するためのディープラーニングフレームワークを提案する。分析するデータには教師なし学習モデルが必要です。
論文参考訳（メタデータ） (2023-04-19T13:45:28Z)
Improving Music Performance Assessment with Contrastive Learning [78.8942067357231]
本研究では,既存のMPAシステムを改善するための潜在的手法として,コントラスト学習について検討する。畳み込みニューラルネットワークに適用された回帰タスクに適した重み付きコントラスト損失を導入する。この結果から,MPA回帰タスクにおいて,コントラッシブ・ベースの手法がSoTA性能に適合し,超越できることが示唆された。
論文参考訳（メタデータ） (2021-08-03T19:24:25Z)
Attention Model Enhanced Network for Classification of Breast Cancer Image [54.83246945407568]
AMENはマルチブランチ方式で、画素ワイドアテンションモデルとサブモジュールの分類で定式化される。微妙な詳細情報に焦点を合わせるため、サンプル画像は、前枝から生成された画素対応の注目マップによって強化される。 3つのベンチマークデータセットで行った実験は、様々なシナリオにおいて提案手法の優位性を実証している。
論文参考訳（メタデータ） (2020-10-07T08:44:21Z)

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。