論文の概要: NEEDL-Bench: Dataset for Swiss Needle Cast and Stomata Detection in Microscopy Images
- arxiv url: http://arxiv.org/abs/2607.12076v1
- Date: Mon, 13 Jul 2026 18:54:19 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-15 17:08:29.936305
- Title: NEEDL-Bench: Dataset for Swiss Needle Cast and Stomata Detection in Microscopy Images
- Title（参考訳）: NEEDL-Bench: 顕微鏡画像におけるスイス針鋳造と胃検出のためのデータセット
- Abstract要約: NEEDL-BenchはSwiss Needle Cast(SNC)の顕微鏡検出ベンチマークである。
Needl-Benchは、1082のダグラス・ファー・ニードルからの3250枚の注釈付き画像のデータセットであり、キーポイントとバウンディングボックス検出器の両方に注釈付きである。
我々は,このデータセットをベースラインとして検出するための複数の一般的なキーポイントとバウンディングボックス法を評価し,最大F1スコア0.8479を観測した。
- 参考スコア（独自算出の注目度）: 39.66563302789307
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We present NEEDL-Bench, a microscopy detection benchmark for Swiss Needle Cast (SNC), a fungal disease of Douglas-fir trees. Douglas-fir is a keystone species of major ecological and economic importance as a softwood timber resource, and SNC affects productivity by forming sexual reproductive structures (pseudothecia) that emerge through the gas exchange pores (stomata) of the needles, thereby blocking gas exchange and compromising needle function. To date, there is no dataset for automatic computer vision detection of these structures, despite computer vision being well poised to standardize and viably scale severity measurements. To address this, we present NEEDL-Bench, a dataset of 3250 annotated images from 1082 Douglas-fir needles, annotated for both keypoints and bounding-box detectors. This dataset exhibits a challenging collection of features, including blur, poor object contrast, small objects of interest, and occlusions. To better capture both the nominal distribution of the data and the full breadth of rare structures, we present two distinct evaluation splits: either random sampling from the collected images or sequential sampling to maximize structural diversity. We evaluate multiple popular keypoint and bounding box methods for detection on this dataset as a baseline and observe a maximum F1 score of 0.8479, suggesting significant potential for gains from future development on this problem. Further, we find that larger models generally do not show commensurate gains in performance on this dataset, indicating that improvements on this problem will not come from scaling laws but rather from domain-specific inductive biases.
- Abstract（参考訳）: NEEDL-BenchはSwiss Needle Cast(SNC)の顕微鏡検出ベンチマークであり,ダグラス・ファー木の真菌症である。
ダグラス・ファー (Douglas-fir) は、軟材材資源として主要な生態学的・経済的重要性のキーストーンであり、SNCは、針のガス交換孔 (stomata) を通して現れる性生殖構造 (pseudothecia) を形成し、ガス交換を阻害し、針機能を改善することによって生産性に影響を与える。
現在、これらの構造のコンピュータビジョン自動検出のためのデータセットは存在しないが、コンピュータビジョンは厳密度測定の標準化と拡張に適している。
NEEDL-Benchは1082のDouglas-firの針から3250の注釈付き画像のデータセットであり、キーポイントとバウンディングボックスの両方に注釈付きである。
このデータセットは、ぼやけ、オブジェクトコントラストの貧弱、関心の小さなオブジェクト、オクルージョンなど、困難な機能のコレクションを表示する。
得られた画像からのランダムサンプリングと、構造多様性を最大化するためのシーケンシャルサンプリングの2つの異なる評価分割を提示する。
我々は、このデータセットをベースラインとして検出するための複数の一般的なキーポイントとバウンディングボックス法を評価し、最大F1スコアの0.8479を観測し、この問題に対する今後の発展の可能性が示唆された。
さらに、より大規模なモデルでは、一般的にこのデータセットの性能向上は見られず、この問題の改善は法則のスケーリングではなく、ドメイン固有の帰納バイアスによるものであることを示唆している。
関連論文リスト
- Polygon-mamba: Retinal vessel segmentation using polygon scanning mamba and space-frequency collaborative attention [9.838390322438535]
ポリゴン走査型マンバと小血管検出のための空間周波数協調型アテンション機構を統合したCNN-マンバ核融合ネットワークを設計する。
水平垂直走査による伝統的なマンバ構造は, 対象構造物の位相的整合性を損なう可能性があることを考慮し, 細血管構造の特徴を特定するために, ポリゴン走査型視覚状態空間モデル(PS-VSS)を提案する。
論文 参考訳（メタデータ） (2026-05-11T13:53:51Z) - Fine-Grained Classification for Poisonous Fungi Identification with Transfer Learning [0.0]
FungiCLEF 2024は、真菌種のきめ細かい視覚分類(FGVC)に対処する。
提案手法は,試験後評価において,最高トラック3スコア (0.345), 精度 (78.4%), マクロF1スコア (0.577) を達成した。
論文 参考訳（メタデータ） (2024-07-10T09:24:50Z) - FS-Net: Full Scale Network and Adaptive Threshold for Improving Extraction of Micro-Retinal Vessel Structures [4.507779218329283]
網膜血管の分節は独特の課題を呈する。
最近のニューラルネットワークアプローチは、ローカルとグローバルプロパティのバランスをとるのに苦労している。
エンコーダ・デコーダニューラルネットワークアーキテクチャに基づく包括的マイクロ容器抽出機構を提案する。
論文 参考訳（メタデータ） (2023-11-14T10:32:17Z) - Improving Vision Anomaly Detection with the Guidance of Language
Modality [64.53005837237754]
本稿では,マルチモーダルの観点から視覚モダリティの課題に取り組む。
本稿では,冗長な情報問題とスパース空間問題に対処するために,クロスモーダルガイダンス(CMG)を提案する。
視覚異常検出のためのよりコンパクトな潜在空間を学習するために、CMLEは言語モダリティから相関構造行列を学習する。
論文 参考訳（メタデータ） (2023-10-04T13:44:56Z) - Domain Adaptive Synapse Detection with Weak Point Annotations [63.97144211520869]
弱点アノテーションを用いたドメイン適応型シナプス検出のためのフレームワークであるAdaSynを提案する。
I SBI 2023のWASPSYNチャレンジでは、我々の手法が第1位にランクインした。
論文 参考訳（メタデータ） (2023-08-31T05:05:53Z) - MAF-Net: Multiple attention-guided fusion network for fundus vascular
image segmentation [1.3295074739915493]
網膜基底画像の血管を正確に検出するマルチアテンション誘導核融合ネットワーク(MAF-Net)を提案する。
従来のUNetベースのモデルは、長距離依存を明示的にモデル化するため、部分的な情報を失う可能性がある。
提案手法は,いくつかの最先端手法と比較して良好な結果が得られることを示す。
論文 参考訳（メタデータ） (2023-05-05T15:22:20Z) - OOD-CV-v2: An extended Benchmark for Robustness to Out-of-Distribution
Shifts of Individual Nuisances in Natural Images [59.51657161097337]
OOD-CV-v2は、ポーズ、形状、テクスチャ、コンテキスト、気象条件の10のオブジェクトカテゴリのアウト・オブ・ディストリビューションの例を含むベンチマークデータセットである。
この新たなデータセットに加えて、一般的なベースライン手法を用いた広範な実験にも貢献する。
論文 参考訳（メタデータ） (2023-04-17T20:39:25Z) - Bridging the Gap: Gaze Events as Interpretable Concepts to Explain Deep
Neural Sequence Models [0.7829352305480283]
本研究では,固定およびサケードに確立された視線事象検出アルゴリズムを用いる。
これらの事象が与える影響を定量的に評価し,その概念的影響を判断する。
論文 参考訳（メタデータ） (2023-04-12T10:15:31Z) - Augment and Criticize: Exploring Informative Samples for Semi-Supervised
Monocular 3D Object Detection [64.65563422852568]
我々は、一般的な半教師付きフレームワークを用いて、難解な単分子3次元物体検出問題を改善する。
我々は、ラベルのないデータから豊富な情報的サンプルを探索する、新しい、シンプルで効果的なAugment and Criticize'フレームワークを紹介します。
3DSeMo_DLEと3DSeMo_FLEXと呼ばれる2つの新しい検出器は、KITTIのAP_3D/BEV(Easy)を3.5%以上改善した。
論文 参考訳（メタデータ） (2023-03-20T16:28:15Z) - Linking data separation, visual separation, and classifier performance
using pseudo-labeling by contrastive learning [125.99533416395765]
最終分類器の性能は、潜在空間に存在するデータ分離と、射影に存在する視覚的分離に依存すると論じる。
本研究は,ヒト腸管寄生虫の5つの現実的課題の画像データセットを1%の教師付きサンプルで分類し,その結果を実証する。
論文 参考訳（メタデータ） (2023-02-06T10:01:38Z) - Many-to-One Distribution Learning and K-Nearest Neighbor Smoothing for
Thoracic Disease Identification [83.6017225363714]
ディープラーニングは、病気の識別性能を改善するための最も強力なコンピュータ支援診断技術となった。
胸部X線撮影では、大規模データの注釈付けには専門的なドメイン知識が必要で、時間を要する。
本論文では、単一モデルにおける疾患同定性能を改善するために、複数対1の分布学習(MODL)とK-nearest neighbor smoothing(KNNS)手法を提案する。
論文 参考訳（メタデータ） (2021-02-26T02:29:30Z)
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。