ビデオポリープセグメンテーション:深層学習の展望【JST・京大機械翻訳】

Ji Ge-Peng; Xiao Guobao; Chou Yu-Cheng; Fan Deng-Ping; Zhao Kai; Chen Geng; Van Gool Luc

プレプリント

J-GLOBAL ID：202202213103681012 整理番号：22P0310941

ビデオポリープセグメンテーション:深層学習の展望【JST・京大機械翻訳】

Video Polyp Segmentation: A Deep Learning Perspective

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (7件)： , , , , , ,
資料名：
発行年： 2022年03月27日プレプリントサーバーでの情報更新日： 2022年08月31日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

※このプレプリント論文は学術誌に掲載済みです。なお、学術誌掲載の際には一部内容が変更されている可能性があります。

深層学習時代における最初の包括的ビデオポリープセグメンテーション(VPS)研究を提示した。長年にわたって,VPSにおける開発は,大規模な細粒分割アノテーションの欠如のため,容易ではない。この問題に取り組むために,まず,よく知られたSUNデータベースから158,690の結腸鏡検査フレームを含むSUN-SEGという高品質フレームごとの注釈付きVPSデータセットを導入した。多様なタイプ,すなわち属性,オブジェクトマスク,境界,スクリブル,および多角形を有する付加的アノテーションを提供した。第2に,大域的符号器,局所符号器,および正規化自己注意(NS)ブロックから成る,単純だが効率的なベースライン(dubbed PNS+)を設計した。グローバルおよびローカルエンコーダは,長期および短期空間時間表現を抽出するために,アンカーフレームおよび多重連続フレームを受け,次に,2つのNSブロックによって次第に更新した。大規模な実験は,PNS+が最良の性能とリアルタイム推論速度(170fps)を達成し,VPSタスクの有望な解決策であることを示した。第3に,著者らのSUN-SEGデータセットに関する13の代表的ポリープ/オブジェクトセグメンテーションモデルを広範囲に評価し,属性ベースの比較を提供する。最後に,いくつかの未解決問題を議論し,VPSコミュニティに対する可能な研究方向を示唆した。【JST・京大機械翻訳】

, , , , , , , , , , ,
, , , , 【Automatic Indexing@JST】

パターン認識 , 図形・画像処理一般

前のページに戻る