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
480
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
510
Free-Form Image Inpainting with Gated Convolution
msnr
0
900
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
780
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
440
SRCNN: Image Super Resolution Using CNN
msnr
0
550
One-Class Convolutional Neural Network
msnr
0
1.2k
Other Decks in Science
See All in Science
Transformers are Universal in Context Learners
gpeyre
0
490
重複排除・高速バックアップ・ランサムウェア対策 三拍子そろったExaGrid × Veeam連携セミナー
climbteam
0
100
Snowflake上でRを使う: RStudioセットアップとShinyアプリケーションのデプロイ
ktatsuya
0
390
小杉考司(専修大学)
kosugitti
2
550
学術講演会中央大学学員会八王子支部
tagtag
0
220
大規模画像テキストデータのフィルタリング手法の紹介
lyakaap
6
1.5k
深層学習を利用して 大豆の外部欠陥を判別した研究事例の紹介
kentaitakura
0
210
作業領域内の障害物を回避可能なバイナリマニピュレータの設計 / Design of binary manipulator avoiding obstacles in workspace
konakalab
0
160
ほたるのひかり/RayTracingCamp10
kugimasa
0
140
Causal discovery based on non-Gaussianity and nonlinearity
sshimizu2006
0
170
いまAI組織が求める企画開発エンジニアとは?
roadroller
2
1.3k
Online Feedback Optimization
floriandoerfler
0
110
Featured
See All Featured
Why You Should Never Use an ORM
jnunemaker
PRO
53
9k
The Illustrated Children's Guide to Kubernetes
chrisshort
48
48k
The Straight Up "How To Draw Better" Workshop
denniskardys
232
140k
A Tale of Four Properties
chriscoyier
156
23k
We Have a Design System, Now What?
morganepeng
50
7.2k
Art, The Web, and Tiny UX
lynnandtonic
296
20k
Building Applications with DynamoDB
mza
90
6.1k
Keith and Marios Guide to Fast Websites
keithpitt
408
22k
Agile that works and the tools we love
rasmusluckow
327
21k
ReactJS: Keep Simple. Everything can be a component!
pedronauck
664
120k
Gamification - CAS2011
davidbonilla
80
5k
Helping Users Find Their Own Way: Creating Modern Search Experiences
danielanewman
29
2.2k
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)