文献

J-GLOBAL ID：202002247273338323   整理番号：20A0833526

形状モデルに基づくセグメンテーションアルゴリズムのための警報システム【JST・京大機械翻訳】

An Alarm System for Segmentation Algorithm Based on Shape Model

著者 (5件)： Liu Fengze (Johns Hopkins University) ,  Xia Yingda (Johns Hopkins University) ,  Yang Dong (NVIDIA Corporation) ,  Yuille Alan (Johns Hopkins University) ,  Xu Daguang (NVIDIA Corporation)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： ICCV  ページ： 10651-10660  発行年： 2019年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 訓練データにおいて決して発生しない稀なイベントについて正しく予測する学習システムは通常困難であり,セグメンテーションアルゴリズムを例外としない。一方,大規模なデータスケールと限られた人間資源の傾向のために,故障を位置決めするための各ケースの手動検査は実行不可能になる。したがって,セグメンテーション結果がおそらく満足できない場合に警報を設定する警報システムを構築し,対応するグランドトルースマスクを提供しないと仮定した。一つの妥当な解は,セグメンテーション結果を低次元特徴空間に投影することである。次に,分類器/回帰器を学習して,それらの品質を予測した。これに動機付けられて,本論文では,異なるデータセットの間で共有され,入力データの外観変化に対してロバストである,形状情報を用いて特徴空間を学習する。形状特徴は,グランドトルースマスクだけで訓練された可変オートエンコーダ(VAE)ネットワークを用いて捕捉される。試験中に,悪い形状を持つセグメンテーション結果は,形状に良く適合せず,大きな損失値をもたらす。従って,VAEは,地上の真実を用いることなく,見えないデータに関するセグメンテーション結果の品質を評価することができる。最後に,セグメンテーション結果の品質を予測するために,一次元特徴空間における回帰を学習した。著者らの警報システムを,3D医学セグメンテーションタスクのためのいくつかの最近の最先端セグメンテーションアルゴリズムに関して評価した。他の標準的品質評価方法と比較して,著者らのシステムは一貫してセグメンテーション結果の品質に関してより信頼できる予測を提供した。Copyright 2020 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *アルゴリズム ,  三次元 ,  *警報システム ,  *セグメンテーション ,  一次元 ,  ネットワーク ,  ロバスト性
準シソーラス用語： 自己符号化器 ,  形状特徴 ,  特徴空間 ,  低次元 ,  グランドトゥルース ,  訓練データ ,  形状モデル , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： 形状モデル ,  セグメンテーション ,  アルゴリズム ,  警報システム