Upgrade to Pro — share decks privately, control downloads, hide ads and more …

Pyramid-Based Fully Convolutional Networks for Cell Segmentation

Masanori YANO
October 11, 2019

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

More Decks by Masanori YANO

Other Decks in Science

Transcript

  1. 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)

    View full-size slide

  2. 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

    View full-size slide

  3. 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.

    View full-size slide

  4. 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

    View full-size slide

  5. 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

    View full-size slide

  6. 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

    View full-size slide

  7. 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)

    View full-size slide