Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Features
Speaker Deck
PRO
Sign in
Sign up for free
Search
Search
Pyramid-Based Fully Convolutional Networks for ...
Search
Masanori YANO
October 11, 2019
Science
0
490
Pyramid-Based Fully Convolutional Networks for Cell Segmentation
論文LT会で作成した「Pyramid-Based Fully Convolutional Networks for Cell Segmentation」の説明資料です。
Masanori YANO
October 11, 2019
Tweet
Share
More Decks by Masanori YANO
See All by Masanori YANO
Novelty Detection Via Blurring
msnr
0
450
Y-Net: Joint Segmentation and Classification for Diagnosis of Breast Biopsy Images
msnr
0
520
Free-Form Image Inpainting with Gated Convolution
msnr
0
920
Memorizing Normality to Detect Anomaly: Memory-augmented Deep Autoencoder for Unsupervised Anomaly Detection
msnr
0
600
Move Evaluation in Go Using Deep Convolutional Neural Networks
msnr
1
790
AlphaX: eXploring Neural Architectures with Deep Neural Networks and Monte Carlo Tree Search
msnr
0
1.1k
Towards Understanding Chinese Checkers with Heuristics, Monte Carlo Tree Search, and Deep Reinforcement Learning
msnr
0
450
SRCNN: Image Super Resolution Using CNN
msnr
0
560
One-Class Convolutional Neural Network
msnr
0
1.2k
Other Decks in Science
See All in Science
General Parasitology
uni_of_nomi
0
120
ICRA2024 速報
rpc
3
5.2k
Iniciativas independentes de divulgação científica: o caso do Movimento #CiteMulheresNegras
taisso
0
240
機械学習を支える連続最適化
nearme_tech
PRO
1
150
【健康&筋肉と生産性向上の関連性】 【Google Cloudを企業で運用する際の知識】 をお届け
yasumuusan
0
340
HAS Dark Site Orientation
astronomyhouston
0
5.3k
Mechanistic Interpretability の紹介
sohtakahashi
0
350
理論計算機科学における 数学の応用: 擬似ランダムネス
nobushimi
1
340
論文紹介: PEFA: Parameter-Free Adapters for Large-scale Embedding-based Retrieval Models (WSDM 2024)
ynakano
0
150
20240420 Global Azure 2024 | Azure Migrate でデータセンターのサーバーを評価&移行してみる
olivia_0707
2
900
Pericarditis Comic
camkdraws
0
1.2k
Transformers are Universal in Context Learners
gpeyre
0
550
Featured
See All Featured
Designing for Performance
lara
604
68k
Navigating Team Friction
lara
183
14k
10 Git Anti Patterns You Should be Aware of
lemiorhan
655
59k
Bash Introduction
62gerente
608
210k
Optimizing for Happiness
mojombo
376
70k
Git: the NoSQL Database
bkeepers
PRO
427
64k
Fantastic passwords and where to find them - at NoRuKo
philnash
50
2.9k
Save Time (by Creating Custom Rails Generators)
garrettdimon
PRO
27
840
Gamification - CAS2011
davidbonilla
80
5k
Dealing with People You Can't Stand - Big Design 2015
cassininazir
364
24k
Producing Creativity
orderedlist
PRO
341
39k
Unsuck your backbone
ammeep
668
57k
Transcript
画像処理&機械学習 論文LT会 #番外編 ~MICCAI 2019 予習編~ Pyramid-Based Fully Convolutional Networks
for Cell Segmentation 2019年10月11日(金) 矢農 正紀 (Masanori YANO)
論文 2 標題: Pyramid-Based Fully Convolutional Networks for Cell Segmentation
論文のURL: http://web.mst.edu/~yinz/Papers/ ⇒ MICCAI 2018の、細胞のSegmentationに関する論文 著者の所属は、アメリカのミズーリ工科大学 (Second Authorは、今秋からニューヨーク州立大学) 選んだ理由 ・MICCAI 2018の一覧で、題名を見た瞬間に気になった ⇒ Semantic Segmentationを解くCNNで、ピラミッド? ・Experimentsを見たら、比較対象に対し、わりと高い精度
Semantic Segmentationとは 3 入力画像に対して、画素レベルで何の物体か推論 参考になる資料 ⇒ #1の論文LT会の「semantic segmentation サーベイ」 https://www.slideshare.net/yoheiokawa/semantic-segmentation-141471958
引用元: https://arxiv.org/pdf/1411.4038.pdf FCNのFigure 1.
FCNとU-Net 4 FCN(Fully Convolutional Network) ・全結合を使用しないことで、任意サイズの入力画像に対応 ・前ページの図には記載がないが、スキップ接続(Add)あり U-Net ・MICCAI 2015で発表
・全結合なし、スキップ接続(Concatenate)あり 引用元: https://arxiv.org/pdf/1505.04597.pdf
Object Detection(物体検出)では 5 FPN(Feature Pyramid Network)の図が明快 (a) 複数の解像度を畳み込み各々の特徴マップを作ると遅い (b) 畳み込んだ最後の特徴マップだけでは解像度が粗い
(c) 複数の特徴マップを利用すると下の方の特徴が弱い (d) FPNの構造なら(b)や(c)のように速く、より正確 引用元: https://arxiv.org/pdf/1612.03144.pdf
本論文の提案手法 6 複数のFCNの推論結果を組み合わせて出力 ・それぞれのFCNは、異なる解像度の推論を担当 ・図の「+」は、重み付き平均(評価時の設定はα = 0.5) ・LAPGANの論文を引用 (Gaussian PyramidとLaplacian
Pyramidの定義で) はピラミッドの深さ
評価結果・まとめ 7 PHCと、独自データセットのPhase100で評価 所感 ・シンプルなアプローチで、かつ高い精度に見えて好印象 ・そのかわり、実行速度は厳しそう(論文では言及なし)