論文の概要: CoSWA-YOLOv12: Scale-Invariant Tiny Object Detection and Segmentation of Malaria Parasites

• arxiv url: http://arxiv.org/abs/2609.29527v1
• Date: Tue, 25 Aug 2026 06:00:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-28 05:09:56.056599
• Title: CoSWA-YOLOv12: Scale-Invariant Tiny Object Detection and Segmentation of Malaria Parasites
• Title（参考訳）: CoSWA-YOLOv12: マラリア原虫のスケール不変Tiny検出と分離
• Abstract要約: 自動顕微鏡は、低リソース環境でマラリア診断へのアクセスを拡大する可能性がある。 P. falciparum は初期の環の段階において、数十ピクセルの幅しか持たない物体として現れる。 コンパクトなYOLOv12インスタンスセグメンテーション検出器であるCoSWA-YOLOv12を提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Automated microscopy could widen access to malaria diagnosis in low-resource settings, but the deadliest species, P. falciparum, presents in its early ring stage as an object only a few tens of pixels wide. Such tiny targets are systematically under-detected: overlap-based label assignment starves them of positive samples, and overlap-based box regression gives weak gradients at their scale. The Normalized Gaussian Wasserstein Distance (NWD) repairs both effects, but applied uniformly across a slide that also holds objects three to four times larger it loosens their supervision and erodes their localisation, so overall accuracy can fall even as the tiny class improves. We present CoSWA-YOLOv12, a compact YOLOv12 instance-segmentation detector whose core Cooperative Scale-adaptive Wasserstein Assignment routes the Wasserstein treatment to an object in inverse proportion to its size, tapering back to standard assignment for larger species. Two further components support it: a wavelet detail residual, and a min-max Gaussian regression loss (M2-NWD). All three additions are transfer-safe: each reproduces the standard pretrained model exactly at initialisation, so public pretrained weights load without any loss of accuracy. On a five-class Rwandan thick-smear dataset, CoSWA-YOLOv12 raises P. falciparum recall from 0.63 to 0.74 and mAP@50 from 0.73 to 0.81 (mask), cuts missed P. falciparum from 38% to 15%, and improves strict-localisation mAP@50-95 on all five classes for both detection and segmentation, while a 2x2 ablation shows the scale gate and the regression loss are synergistic.
• Abstract（参考訳）: 自動化された顕微鏡は、低リソース環境でマラリアの診断へのアクセスを拡大する可能性があるが、致命的な種であるP. falciparumは、その初期のリング段階において、わずか数ピクセルの広さのオブジェクトとして現れる。 オーバーラップベースのラベル割り当ては、正のサンプルを飢えさせ、オーバーラップベースのボックス回帰は、そのスケールで弱い勾配を与える。 正規化ガウスのワッサースタイン距離(NWD)は両方の効果を修復するが、物体を3倍から4倍大きく保持するスライドに一様に適用することで、監督を緩め、局所性を損なうため、小さなクラスが改良されても全体的な精度は低下する可能性がある。 Cooperative Scale-Adaptive Wasserstein AssignmentのコアとなるYOLOv12インスタンス分離検出器であるCoSWA-YOLOv12を提案する。 ウェーブレット詳細残差と min-max Gaussian regression loss (M2-NWD) である。 3つの追加はいずれもトランスファーセーフであり、それぞれが初期化時に標準の事前訓練されたモデルを正確に再現するため、公開事前訓練された重みは精度を損なうことなくロードされる。 CoSWA-YOLOv12ではP. falciparumリコールを0.63から0.74に、mAP@50を0.73から0.81(マスク)に引き上げ、P. falciparumを38%から15%にカットし、検出とセグメンテーションの両方の5つのクラスでmAP@50-95を厳密な局所化し、2x2アブレーションではスケールゲートと回帰損失が相乗効果を示す。

関連論文リスト

• MORPHA: Morphology-Constrained Training and the Limits of Cross-Acquisition Transfer in Low-Resource Malaria Microscopy [0.0]
  形態的整合性制約であるMORPHAを提案する。 薄いスミア細胞から厚いスミアフィールドイメージへの転移では、この制約によりバイナリ分類の一般化が30.8%減少する。 薄いスミア統計は厚いスミア検出に移行せず、クロスアセプションの擬似ラベリングはフィルタ適用前に失敗する。
  論文  参考訳（メタデータ） (2026-09-05T09:19:44Z)
• Gradient-Based Latent Decomposition Reveals Mechanisms of Feature Degradation in Weakly Supervised Mammography [0.0]
  弱教師付き階層モデルは永続的な非対称性を示す。 粗い病変型の特徴は再建時に保存され, 微粒な悪性度は低下する。 高次元空間では、1つの粗いスーパーバイザー信号が1次元の遅延方向のみを分離し、臨界きめ細かい特徴を弱い残留部分空間に強制する。
  論文  参考訳（メタデータ） (2026-07-24T01:04:07Z)
• Confidence Scores in Open-Vocabulary Detection Are a Biased Mixture of Scale and Semantics [8.465978346858842]
  CLIPのような基盤モデルは、視覚言語的類似性を通じて新しいカテゴリに一般化するオープン語彙オブジェクト検出器を可能にした。 スケールバイアスの発見は2つの効果の偏りのある混合であることを示す。 これらの結果から,画像レベルの基礎モデルを領域レベルの検出タスクに適用する上での基本的限界が明らかとなった。
  論文  参考訳（メタデータ） (2026-07-13T01:33:18Z)
• Modeling Normal Is All You Need: Joint Latent Clustering for Anomaly Detection in Multimodal Cyber-Physical Systems [47.027290803102666]
  通常の行動は、多くの不均衡で、曲がりくねった、細い範囲の運営体制の結合である。 我々は正規法則を、共同学習された潜在表現と明示的なガウス混合モードクラスタリングでモデル化する。 ポイント調整のない生のポイントワイドメトリクス、自明な検出困難分割、頻度整合F1、列車正規化のみのキャリブレーションを意図的に評価する。
  論文  参考訳（メタデータ） (2026-07-07T10:10:00Z)
• MalariAI: A Label-Resilient Decoupled Framework for Universal Cell Segmentation and Explainable Stage Classification in Dense Malaria Blood Smears [0.0]
  血液スミア顕微鏡によるマラリアの診断は、グローバルヘルスAIにとって重要な課題である。 3つの複合的障害モードは、既存のディープラーニングシステムの信頼性の高い臨床展開を防ぐ。 統一パイプラインにおける3つの障害モードすべてに対処する、2段階の分離フレームワークであるMarariAIを紹介します。
  論文  参考訳（メタデータ） (2026-07-01T03:27:04Z)
• Cascade Classification of Dermoscopic Images of Skin Neoplasms with Controllable Sensitivity and External Clinical Validation [36.94429692322632]
  二段式(悪性/良性)、一段式(良性、MEL、SCC、BCC)、二段式(二段式トリアージ、三段式MEL/SCC/BCC)の3種類を比較した。 すべてのモデルはImageNet-pretrained weightsを使用し、オープンなISICアーカイブデータに1つの拡張プロトコルを使用した。 ISIC MILK10kでは、11級の直接分類により平均級感度0.525が得られる。
  論文  参考訳（メタデータ） (2026-06-11T09:55:57Z)
• The Geometry of Harmful Intent: Training-Free Anomaly Detection via Angular Deviation in LLM Residual Streams [0.0]
  本研究では,大規模言語モデルにおける残差ストリームアクティベーションの幾何を分析し,有害なプロンプトを検出するためのトレーニング不要な方法であるLatentBiopsyを提案する。 我々はQwen3.5-0.8BファミリーとQwen2.5-0.5Bファミリーの2つの完全モデル三重項を評価した。 latentBiopsyは、有害なvs-ノルミティブ検出のためのAUROC$geq$0.937と、良性攻撃的プロンプトから有害なプロンプトを識別するためのAUROC = 1.000を達成している。
  論文  参考訳（メタデータ） (2026-03-28T21:19:58Z)
• LGPS: A Lightweight GAN-Based Approach for Polyp Segmentation in Colonoscopy Images [40.19053450600923]
  ポリプセグメンテーションのための軽量なGANベースのフレームワークであるLGPSを提案する。 1) 改良された残留ブロックで強化されたMobileNetV2バックボーンと、効率的な特徴抽出のためのSqueeze-and-Excitationモジュールである。 最大かつ挑戦的なPolypGenテストデータセットでは、LGPSはDiceの0.7299とIoUの0.7867を達成し、全てのSOTAワークを上回り、堅牢な一般化を実証した。
  論文  参考訳（メタデータ） (2025-03-24T02:41:53Z)
• A Comprehensive Framework for Automated Segmentation of Perivascular Spaces in Brain MRI with the nnU-Net [37.179674347248266]
  神経変性疾患では、PVS(perivascular space)の増大が一般的である。 現在不足している信頼性の高いPVS検出方法が必要である。
  論文  参考訳（メタデータ） (2024-11-29T09:19:57Z)
• On Multitask Loss Function for Audio Event Detection and Localization [37.91770573529112]
  複数ラベルのイベント検出と局所化の両方を回帰問題として定式化するマルチタスク回帰モデルを提案する。 不均一な損失関数の共通結合は、同次平均二乗誤差損失が収束と性能の向上につながるのに対して、ネットワークがデータに不適合であることを示す。
  論文  参考訳（メタデータ） (2020-09-11T16:59:03Z)
• Generalized Focal Loss: Learning Qualified and Distributed Bounding Boxes for Dense Object Detection [85.53263670166304]
  一段検出器は基本的に、物体検出を密度の高い分類と位置化として定式化する。 1段検出器の最近の傾向は、局所化の質を推定するために個別の予測分岐を導入することである。 本稿では, 上記の3つの基本要素, 品質推定, 分類, ローカライゼーションについて述べる。
  論文  参考訳（メタデータ） (2020-06-08T07:24:33Z)

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。