Cascade Detector Analysis and Application to Biomedical Microscopy

要約

コンピュータービジョンモデルと生物医学データセットの両方がサイズが増加するにつれて、効率的な推論アルゴリズムの必要性が高まっています。
カスケード検出器を利用して、マルチガラス溶解画像のまばらなオブジェクトを効率的に識別します。
オブジェクトの有病率と、既知の精度を備えたさまざまな解像度の一連の検出器を考えると、カスケード検出器による分類子呼び出しの精度と予想される数を導き出します。
これらの結果は、寸法の数とカスケードレベルの数にわたって一般化されます。
最後に、さまざまな顕微鏡モダリティにわたって蛍光細胞検出、オルガネラのセグメンテーション、および組織セグメンテーションの1つのレベルと2レベルの検出器を比較します。
マルチレベル検出器は、30〜75％短い時間で同等のパフォーマンスを達成することを示します。
私たちの作業は、さまざまなコンピュータービジョンモデルとデータドメインと互換性があります。

要約(オリジナル)

As both computer vision models and biomedical datasets grow in size, there is an increasing need for efficient inference algorithms. We utilize cascade detectors to efficiently identify sparse objects in multiresolution images. Given an object’s prevalence and a set of detectors at different resolutions with known accuracies, we derive the accuracy, and expected number of classifier calls by a cascade detector. These results generalize across number of dimensions and number of cascade levels. Finally, we compare one- and two-level detectors in fluorescent cell detection, organelle segmentation, and tissue segmentation across various microscopy modalities. We show that the multi-level detector achieves comparable performance in 30-75% less time. Our work is compatible with a variety of computer vision models and data domains.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google