Fugu-MT 論文翻訳(概要): Plant Stem Segmentation Using Fast Ground Truth Generation

論文の概要: Plant Stem Segmentation Using Fast Ground Truth Generation

arxiv url: http://arxiv.org/abs/2001.08854v1
Date: Fri, 24 Jan 2020 00:22:14 GMT
ステータス: 処理完了
システム内更新日: 2023-01-07 05:16:49.585606
Title: Plant Stem Segmentation Using Fast Ground Truth Generation
Title（参考訳）: ファストグランド・トゥルート生成を用いた植物幹の分節化
Authors: Changye Yang, Sriram Baireddy, Yuhao Chen, Enyu Cai, Denise Caldwell, Val\'erian M\'eline, Anjali S. Iyer-Pascuzzi, Edward J. Delp
Abstract要約: 本稿では,深層学習がトマトの茎を正確に分割できることを示す。また,深層学習のためのトレーニングデータセット作成に必要な資源を大幅に削減する,制御点に基づく基底真理法を提案する。
参考スコア（独自算出の注目度）: 18.208361096194654
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Accurately phenotyping plant wilting is important for understanding responses to environmental stress. Analysis of the shape of plants can potentially be used to accurately quantify the degree of wilting. Plant shape analysis can be enhanced by locating the stem, which serves as a consistent reference point during wilting. In this paper, we show that deep learning methods can accurately segment tomato plant stems. We also propose a control-point-based ground truth method that drastically reduces the resources needed to create a training dataset for a deep learning approach. Experimental results show the viability of both our proposed ground truth approach and deep learning based stem segmentation.
Abstract（参考訳）: 環境ストレスに対する反応を理解するには, 正確な表現型植物ウィルティングが重要である。植物の形状の分析は、ワイルティングの程度を正確に定量化するために用いられる可能性がある。植物形状解析は、反りの間一貫した基準点として機能する茎を位置決めすることで強化することができる。本稿では,深層学習がトマトの茎を正確に分割できることを示す。また,深層学習アプローチのためのトレーニングデータセット作成に必要なリソースを劇的に削減する制御点ベースの基底真理法を提案する。実験の結果,本提案手法と深層学習に基づくstemセグメンテーションの両方の有効性が示された。

関連論文リスト

Lincoln's Annotated Spatio-Temporal Strawberry Dataset (LAST-Straw) [7.13465721388535]
そこで本研究では,イチゴの3次元点群を2種類に分類し,84個の点群を集計した。我々は、データセット上で表現型パイプラインを示すために、このようなツール(生物学的に関連のある表現型の抽出)のエンドユースに焦点を当てる。これは、セグメンテーション、骨格化、追跡を含むステップで構成され、各ステージがどのように異なる表現型の抽出やデータインサイトの提供を促進するかを詳述する。
論文参考訳（メタデータ） (2024-03-01T14:44:05Z)
Zoom in on the Plant: Fine-grained Analysis of Leaf, Stem and Vein Instances [3.399289369740637]
本研究では,葉,茎,静脈などの微細な表現型情報を抽出するモデルを開発した。基盤となるデータセットRumexLeavesは公開されており、この種の最初のものである。キーポイント誘導ポリラインの概念に従う適応された計量POKSを導入する。
論文参考訳（メタデータ） (2023-12-14T10:45:54Z)
Eff-3DPSeg: 3D organ-level plant shoot segmentation using annotation-efficient point clouds [1.5882586857953638]
本稿では,3次元植物撮影セグメンテーションのための弱教師付きフレームワーク Eff-3DPSeg を提案する。大豆の高分解能点雲を低コストのフォトグラムシステムを用いて再構成した。植物器官セグメンテーションのための弱教師付き深層学習法が提案された。
論文参考訳（メタデータ） (2022-12-20T14:09:37Z)
Semantic Image Segmentation with Deep Learning for Vine Leaf Phenotyping [59.0626764544669]
本研究では,ブドウの葉のイメージを意味的にセグメント化するためにDeep Learning法を用いて,葉の表現型自動検出システムを開発した。私たちの研究は、成長や開発のような動的な特性を捉え定量化できる植物ライフサイクルのモニタリングに寄与します。
論文参考訳（メタデータ） (2022-10-24T14:37:09Z)
End-to-end deep learning for directly estimating grape yield from ground-based imagery [53.086864957064876]
本研究は, ブドウ畑の収量推定に深層学習と併用した近位画像の応用を実証する。オブジェクト検出、CNN回帰、トランスフォーマーモデルという3つのモデルアーキテクチャがテストされた。本研究は,ブドウの収量予測における近位画像と深層学習の適用性を示した。
論文参考訳（メタデータ） (2022-08-04T01:34:46Z)
Potato Crop Stress Identification in Aerial Images using Deep Learning-based Object Detection [60.83360138070649]
本稿では, 深層ニューラルネットワークを用いたジャガイモの空中画像解析手法を提案する。主な目的は、植物レベルでの健康作物とストレス作物の自動空間認識を実証することである。実験により、フィールド画像中の健康植物とストレス植物を識別し、平均Dice係数0.74を達成できることを示した。
論文参考訳（メタデータ） (2021-06-14T21:57:40Z)
Surface Warping Incorporating Machine Learning Assisted Domain Likelihood Estimation: A New Paradigm in Mine Geology Modelling and Automation [68.8204255655161]
新たに取得した破砕孔データによって課される地球化学的および空間的制約に基づいて, モデル表面を再構成するバイーシアンワープ法が提案されている。本稿では,このワーピングフレームワークに機械学習を組み込むことにより,可能性の一般化を図る。その基礎は、p(g|c) が p(y(c)|g と似た役割を果たすような地質領域の確率のベイズ計算によって構成される。
論文参考訳（メタデータ） (2021-02-15T10:37:52Z)
Deep Semi-supervised Knowledge Distillation for Overlapping Cervical Cell Instance Segmentation [54.49894381464853]
本稿では, ラベル付きデータとラベルなしデータの両方を, 知識蒸留による精度向上に活用することを提案する。摂動に敏感なサンプルマイニングを用いたマスク誘導型平均教師フレームワークを提案する。実験の結果,ラベル付きデータのみから学習した教師付き手法と比較して,提案手法は性能を著しく向上することがわかった。
論文参考訳（メタデータ） (2020-07-21T13:27:09Z)
Two-View Fine-grained Classification of Plant Species [66.75915278733197]
本研究では,2視点の葉のイメージ表現に基づく新しい手法と,植物種の粒度認識のための階層的分類戦略を提案する。シームズ畳み込みニューラルネットワークに基づく深度測定は、多数のトレーニングサンプルへの依存を減らし、新しい植物種に拡張性を持たせるために用いられる。
論文参考訳（メタデータ） (2020-05-18T21:57:47Z)
Deep Transfer Learning For Plant Center Localization [19.322420819302263]
本稿では,無人航空機(UAV)を用いたRGB空中画像を用いた畑型作物の立地推定手法について検討する。深層学習アプローチは、RGB画像で観察された植物を探索するために有望な能力を提供するが、トレーニングには大量のラベル付きデータ(地上真実)を必要とする。そこで本研究では,限定的な地上真実データを用いて,既存モデルを新たなシナリオに移行することにより,プラント中心の推定手法を提案する。
論文参考訳（メタデータ） (2020-04-29T06:29:49Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。