要約
漢方医学の診断では、舌のセグメンテーションはかなり成熟したところまで来ているが、漢方医学の目の診断にはほとんど応用されていない。まず、今回はU2NetネットワークのアーキテクチャをベースにRes-UNetを提案し、小規模データセットに基づくデータ拡張ツールキットを用い、最後にノイズ除去後の特徴ブロックと高位特徴量を融合する。評価指標としてネットワークパラメータ数と推論時間を用いてモデルの評価を行っている。同時に、異なる眼球データセグメンテーションフレームをMiou、Precision、Recall、F1-Score、FLOPSを用いて比較した。納得してもらうために、今回はUBIVIS.V1の公開データセットを引用しています。今回のUBIVIS.V1公開データセットでは、Miouが97.8%、S-measureが97.7%、F1-Scoreが99.09%、RGB320*320入力画像に対するパラメータ量が167.83MBとなり、パラメータ量が多いため、小規模なU2NetにResモジュールを組み合わせた実験ではパラメータ量4.63MBで、実験しています。これは、関連指標のU2Netと類似しており、我々の構造の有効性を検証している。これは、すべての比較ネットワークの中で最高のセグメンテーション効果を達成し、その後の視覚装置認識症状への応用のための基礎を築くものである。
要約(オリジナル)
For the diagnosis of Chinese medicine, tongue segmentation has reached a fairly mature point, but it has little application in the eye diagnosis of Chinese medicine.First, this time we propose Res-UNet based on the architecture of the U2Net network, and use the Data Enhancement Toolkit based on small datasets, Finally, the feature blocks after noise reduction are fused with the high-level features.Finally, the number of network parameters and inference time are used as evaluation indicators to evaluate the model. At the same time, different eye data segmentation frames were compared using Miou, Precision, Recall, F1-Score and FLOPS. To convince people, we cite the UBIVIS. V1 public dataset this time, in which Miou reaches 97.8%, S-measure reaches 97.7%, F1-Score reaches 99.09% and for 320*320 RGB input images, the total parameter volume is 167.83 MB,Due to the excessive number of parameters, we experimented with a small-scale U2Net combined with a Res module with a parameter volume of 4.63 MB, which is similar to U2Net in related indicators, which verifies the effectiveness of our structure.which achieves the best segmentation effect in all the comparison networks and lays a foundation for the application of subsequent visual apparatus recognition symptoms.
arxiv情報
| 著者 | Peng Hong |
| 発行日 | 2022-12-06 14:00:58+00:00 |
| arxivサイト | arxiv_id(pdf) |