Towards Generalisable Audio Representations for Audio-Visual Navigation 視聴覚ナビゲーション(AVN)では、知的エージェントは、その音声と視覚の知覚に基づいて、複雑な3D環境で絶えず音を出すオブジェクトにナビゲートする必要があります。既存の方法は、貴重に設計された経路計画または複雑なタスク設定を使用してナビゲーションパフォーマンスを改善しようとしますが、タスク設定を変更せずに聞いたことのない音のモデルの一般化を改善したものはありません。したがって、音声エンコーダーを正規化することによってこの課題に取り組むための対照的な学習ベースの方法を提案します。この方法では、音にとらわれない目標駆動型の潜在的表現を、さまざまなクラスのさまざまな音声信号から学習できます。さらに、トレーニングサウンドを充実させるために、2つのデータ拡張
CellCentroidFormer: Combining Self-attention and Convolution for Cell Detection 顕微鏡画像での細胞検出は、細胞がどのように動き、環境と相互作用するかを研究するために重要です。細胞検出のための最新の深層学習ベースの方法は、畳み込みニューラルネットワーク(CNN)を使用します。ただし、他のコンピュータービジョンアプリケーションでの成功に触発されて、ビジョントランスフォーマー(ViT)もこの目的で使用されます。両方のタイプの深層学習モデルの利点を活用するために、顕微鏡画像で細胞を検出するための新しいハイブリッドCNN-ViTモデルを提案します。 ImageNetデータセットで事前トレーニングされた効率的なCNNを使用して、画像の特徴を抽出し、転送学習を利用して必要なトレーニングデータの量を削減します。抽出された画像の
ディープラーニングの最近の進歩にもかかわらず、ディープネットワークは、トレーニング分布とは異なる新しいデータに直面すると、パフォーマンスの低下に悩まされます。このような問題に対処するために、テスト時間適応(TTA)は、予測を同時に行いながら、モデルをテスト時間のラベルなしテストデータに適応させることを目的としています。 TTAは、トレーニング手順を変更せずに事前トレーニングされたネットワークに適用されます。これにより、すでに整形式のソース配布を適応に利用できます。考えられるアプローチの1つは、テストサンプルの表現空間をソース分布に位置合わせすることです(つまり、特徴の位置合わせ)。ただし、TTAで機能の調整を実行することは、適応中にラベル付けされたソースデータへのアクセスが制限されるという点で特に困難です。つまり、モデルには、クラスを区別する方法でテストデータを学習する機会がありません。こ
PAGER: Progressive Attribute-Guided Extendable Robust Image Generation この作業は、連続部分空間学習(SSL)に基づく生成モデリングアプローチを示します。文献のほとんどの生成モデルとは異なり、私たちの方法は、ニューラルネットワークを利用して基礎となるソース分布を分析し、画像を合成しません。結果として得られる方法は、プログレッシブ属性ガイド付き拡張可能ロバスト画像生成(PAGER)モデルと呼ばれ、数学的透明性、プログレッシブコンテンツ生成、トレーニング時間の短縮、少ないトレーニングサンプルでのロバストパフォーマンス、条件付き画像生成への拡張性に利点があります。 PAGERは、コアジェネレータ、解像度エンハンサー、品質ブースターの3つのモジュールで構成されています。コアジェネレータは、低解像度の画像の分布を学習し、無条件の画
Glo-In-One:大規模なWeb画像マイニングによるホリスティック糸球体検出、セグメンテーション、および病変の特性評価 Glo-In-One: Holistic Glomerular Detection, Segmentation, and Lesion Characterization with Large-scale Web Image Mining 高解像度全スライドイメージング(WSI)からの糸球体の定量的検出、セグメンテーション、および特性評価は、デジタル腎病理学におけるコンピューター支援診断および科学研究において重要な役割を果たします。歴史的に、このような包括的な定量化には、異種のカスタマイズされた計算ツールを処理できるようにするために、広範なプログラミングスキルが必要です。技術者以外のユーザーが糸球体の定量化を実行する際のギャップを埋めるために、Glo-In-Oneツール
Deep learning pipeline for image classification on mobile phones この記事では、携帯電話を使用して画像を分類するための機械学習フレームワークとチュートリアルを提案し、文書化します。コンピューターと比較して、ディープラーニングモデルのパフォーマンスは携帯電話に展開するとパフォーマンスが低下し、コンピューターと携帯電話の両方で最適に機能するモデルを見つけるための体系的なアプローチが必要になります。さまざまな計算ツール、簡単な手順のレシピ、および技術的な考慮事項で構成される提案されたパイプラインに従うことで、モバイルデバイスに深層学習の医用画像分類の力をもたらし、アプリケーションの新しいドメインのロックを解除できる可能性があります。パイプラインは、COVID X線、COVID CTスキャン、葉、および結腸直腸癌の4つの異なる公開デー
FHIST: A Benchmark for Few-shot Classification of Histological Images 最近、画像分類に幅広い関心を集めているショット学習はほとんどありませんが、現在の公開ベンチマークのほとんどすべてが自然画像に焦点を合わせています。注釈は高価であり、専門的な専門知識を必要とするため、ラベル付けされたデータが不足しているため、数ショットのパラダイムは医用画像アプリケーションに非常に関連しています。ただし、医用画像では、数ショットの学習研究はまばらで、プライベートデータセットに限定されており、初期段階にあります。特に、数ショットの設定は、癌関連の組織分類タスクの多様性と細分性、およびデータ準備技術の多様性のために、組織学で非常に興味深いものです。このホワイトペーパーでは、さまざまな公開データセットから収集された、少数の組織学データを分類する
Comparing feature fusion strategies for Deep Learning-based kidney stone identification この貢献は、より識別可能なオブジェクトの特徴を生成することを目的として、さまざまな視点から取得された画像情報を抽出して融合するための深層学習方法を提示します。私たちのアプローチは、尿路結石の断片の切片と表面を検査することによって腎臓結石を視覚的に分類するために泌尿器科医が使用する形態構成分析を模倣するように特別に設計されました。深部特徴融合戦略は、腎臓結石分類の精度に関して、単一ビュー抽出バックボーンモデルの結果を10%以上改善しました。 This contribution presents a deep-learning method for extracting and fusing image informat
Visual Perception of Building and Household Vulnerability from Streets 発展途上国では、建築基準はしばしば時代遅れであるか、施行されていません。その結果、住宅ストックの大部分は標準以下であり、自然災害や気候関連のイベントに対して脆弱です。住宅の質を評価することは、公共政策や民間投資に情報を提供するための鍵です。標準的な評価方法は、通常、コストが高いためにサンプル/パイロットベースでのみ実行されます。または、完了すると、推奨される更新標準に準拠していないか、必要な詳細レベルでほとんどのユーザーがアクセスできないため、廃止される傾向があります。重要なポリシーまたはビジネス上の決定を行うため。したがって、最初のキャプチャと将来の更新に対してコスト効率が高く、ブロックレベルで信頼できる評価フレームワークを提案します。このフレーム
画像セマンティックセグメンテーションのためのキャリブレーションされたバギングディープラーニング:COVID-19胸部X線画像のケーススタディ Calibrated Bagging Deep Learning for Image Semantic Segmentation: A Case Study on COVID-19 Chest X-ray Image 重症急性呼吸器症候群コロナウイルス2(SARS-CoV-2)は、コロナウイルス病2019(COVID-19)を引き起こします。胸部X線(CXR)やコンピューター断層撮影(CT)などの画像検査は、より効率的かつ包括的な方法でCOVID-19の診断を容易にするための有用な情報を臨床スタッフに提供することができます。人工知能(AI)のブレークスルーとして、深層学習が適用され、CXRおよびCTデータを分析することにより、COVID-19感染領域
Characterization of 3D Printers and X-Ray Computerized Tomography 3D印刷プロセスフローでは、最高の印刷品質を得るためにいくつかの入力が必要です。これらの設定は、サンプルごと、プリンターごとに異なる場合があり、ユーザーの以前の経験によって異なります。 3D印刷に関連する操作パラメーターは、最適性をテストするために変更されます。 38のサンプルは、4つの市販の3Dプリンター、つまり(a)Ultimaker 2 Extended +、(b)Delta Wasp、(c)Raise E2、および(d)ProJetMJPを使用して印刷されます。サンプルプロファイルには、既知の多孔度を持つさまざまなサイズの立方体と球の均一および不均一な分布が含まれています。これらのサンプルは、X線コンピューター断層撮影システムを使用してスキャンされます
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く