Sep, 2023

基于结构的训练对三维定位精度和质量的影响

PDF
TL;DR本研究介绍了一种基于结构的训练方法，用于单分子定位显微镜（SMLM）和三维物体重建的基于卷积神经网络（CNN）的算法。通过与传统的基于随机的训练方法相比较，利用 LUENN 软件包作为我们的人工智能管道，定量评估表明结构化训练方法在检测率和定位精度上有显著的提升，特别是在信噪比（SNR）变化的情况下。此外，该方法有效地消除了棋盘格伪影，确保更准确的三维重建。我们的研究结果突显了结构化训练方法在推进超分辨显微镜技术并深入理解纳米尺度下复杂生物系统方面的潜力。
structural-based training approachcnn-based algorithmssingle-molecule localization microscopy3d object reconstructionsuper-resolution microscopy
发现论文，激发创造
  • 基于人工智能的超分辨显微镜分析：在缺乏基准数据的情况下进行生物发现

    本研究介绍了弱监督学习方法在超分辨显微镜技术中的应用，探讨了其加速探索亚细胞大分子和细胞器分子结构的潜力。

    May, 2023

  • SGL: 针对相机定位的结构指导学习

    本文介绍了一种基于深度神经网络的端到端视觉定位方法，提出了一种名为 SGL 的网络体系结构，用于估计 3D 坐标，通过使用 PnP 和 RANSAC 估计摄像机姿态。该方法在实验中表现良好，能够有效地定位摄像机。

    Apr, 2023

  • 利用神经网络定位超密度发射器

    这篇研究论文介绍了一种新型的深度卷积神经网络 LUENN，可以有效提高单分子定位显微镜技术的亚细胞结构可视化的时间分辨率，通过准确的位置不确定性估计器，成功应用于密度高达 31 个 / 平方微米的多个发射器的图像定位。

    May, 2023

  • 使用 LSTM 进行基于图像定位的结构化特征相关性

    本研究提出了一种新的基于 CNN+LSTM 的摄像机姿态回归方法，该方法针对室内和室外场景，并且通过 CNN 可学习适合的特征表征来进行定位，使用 LSTM 作为特征向量的结构化降维方法，在定位性能方面取得了极大的改善，并针对基于 CNN 和 SIFT 的定位方法进行了广泛的定量比较，还提出了一种新的基于激光扫描的大型室内数据集，实验结果表明，我们的方法在定位图像时性能优于现有的深度体系结构，在具有挑战性的环境下都能够成功定位。

    Nov, 2016

  • 利用结构线索增强视觉地点识别

    在这篇论文中，我们提出了使用结构线索来增强基于图像的位置识别，这是通过利用结构运动获得的，因此不需要为位置识别使用任何其他传感器，这是通过将基于图像的位置识别通常使用的 2D 卷积神经网络与从结构运动点云导出的体素网格作为输入的 3D CNN 相结合来完成的。我们评估了不同的方法来融合 2D 和 3D 特征，并通过全局平均汇集和简单的串联获得了最佳性能。在牛津机器人车数据集上，得到的描述符表现优于仅从一个输入模态性提取的描述符，包括最先进的基于图像的描述符。特别是在低描述符维度下，我们的表现超过最先进的描述符高达 90％。

    Feb, 2020

  • StructuralLM：面向形式理解的结构化预训练

    本文提出了一种新的预训练方法 StructuralLM，可以联合使用扫描文档中的单元格和布局信息，在对下游自然语言处理任务进行微调时获得了新的最先进结果，包括通过分类单元格位置等两种新方法进行预处理。能够有效提高表格理解、文档可视化问答和文档图像分类方面的表现。

    May, 2021

  • 相机定位的场景标记检测改进

    基于场景地标检测的摄像头定位方法，采用卷积神经网络（CNN）检测少量特定的场景 3D 点或地标，并从相关的 2D-3D 对应中计算摄像头姿态，具有与基于 3D 结构的方法相当的准确性，但速度更快且使用存储空间更少。

    Jan, 2024

  • 揭示结构保持在弱监督下物体定位中的潜力

    本文提出了一种名为 SPA 的两阶段方法，通过受限激活模块（RAM）和自相关图生成模块（SCG）的设计，从分类网络中提取对象结构信息，以实现弱监督对象定位（WSOL），在 CUB-200-2011 和 ILSVRC 两个公共基准测试中，SPA 相对于基准方法有着显著和一致的性能提升。

    Mar, 2021

  • 渐进式神经架构搜索

    提出了使用序贯模型优化（SMBO）策略的 CNN 网络结构学习方法，与现有的强化学习和进化算法相比更加高效，并在 CIFAR-10 和 ImageNet 数据集上取得了新的最佳分类精度。

    Dec, 2017

  • 通过贝叶斯优化和结构化预测提升深度卷积神经网络的物体检测

    本研究提出基于卷积神经网络的物体检测系统，使用基于贝叶斯优化的搜索算法和结构化 loss 进行物体定位，实验证明两种方法的结合优于先前的最先进方法。

    Apr, 2015