論文の概要: Generalizable semi-supervised learning method to estimate mass from
sparsely annotated images
- arxiv url: http://arxiv.org/abs/2003.03192v1
- Date: Thu, 5 Mar 2020 18:13:07 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-26 07:37:11.238496
- Title: Generalizable semi-supervised learning method to estimate mass from
sparsely annotated images
- Title（参考訳）: 希薄な注釈画像からの質量推定のための一般化半教師付き学習法
- Authors: Muhammad K.A. Hamdan, Diane T. Rover, Matthew J. Darr, John Just
- Abstract要約: 本研究では,サトウキビを収穫機でリアルタイムに走らせながら,サトウキビの質量を正確に推定できる視覚システムの開発と試験を行う。
ディープニューラルネットワーク(DNN)は、サトウキビの質量を正確に把握し、古いボリュームベースの手法を超えることに成功した。
- 参考スコア（独自算出の注目度）: 0.22940141855172036
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Mass flow estimation is of great importance to several industries, and it can
be quite challenging to obtain accurate estimates due to limitation in expense
or general infeasibility. In the context of agricultural applications, yield
monitoring is a key component to precision agriculture and mass flow is the
critical factor to measure. Measuring mass flow allows for field productivity
analysis, cost minimization, and adjustments to machine efficiency. Methods
such as volume or force-impact have been used to measure mass flow; however,
these methods are limited in application and accuracy. In this work, we use
deep learning to develop and test a vision system that can accurately estimate
the mass of sugarcane while running in real-time on a sugarcane harvester
during operation. The deep learning algorithm that is used to estimate mass
flow is trained using very sparsely annotated images (semi-supervised) using
only final load weights (aggregated weights over a certain period of time). The
deep neural network (DNN) succeeds in capturing the mass of sugarcane
accurately and surpasses older volumetric-based methods, despite highly varying
lighting and material colors in the images. The deep neural network is
initially trained to predict mass on laboratory data (bamboo) and then transfer
learning is utilized to apply the same methods to estimate mass of sugarcane.
Using a vision system with a relatively lightweight deep neural network we are
able to estimate mass of bamboo with an average error of 4.5% and 5.9% for a
select season of sugarcane.
- Abstract（参考訳）: 質量流量推定はいくつかの産業にとって非常に重要であり、費用の制限や一般実現可能性のために正確な見積もりを得ることは非常に困難である。
農業応用の文脈では、収量モニタリングは精密農業の重要な要素であり、質量フローは測定する上で重要な要素である。
質量フローの測定は、フィールド生産性分析、コスト最小化、機械効率の調整を可能にする。
質量流の測定にはボリュームやフォース・インパクトなどの手法が用いられてきたが、用途や精度は限られている。
本研究では,運転中のサトウキビ収穫機上でリアルタイムに動作中のサトウキビの質量を正確に推定するビジョンシステムを開発した。
質量フローを推定するために使用されるディープラーニングアルゴリズムは、最終荷重重量(一定期間の凝集重量)のみを用いて、非常に小さな注釈付き画像(半教師付き画像)を用いて訓練される。
ディープ・ニューラル・ネットワーク(DNN)はサトウキビの質量を正確に捉え、画像に非常に異なる照明色と物質色があるにもかかわらず、古いボリュームベースの手法を超えることに成功した。
深層ニューラルネットワークは、まず実験データ(bamboo)の質量を予測するように訓練され、その後転送学習を使用して同じ方法でサトウキビの質量を推定する。
比較的軽量な深層ニューラルネットワークを用いた視覚システムでは,サトウキビ選択期の平均誤差4.5%,5.9%で竹の質量を推定できる。
関連論文リスト
- Calibrating the Rigged Lottery: Making All Tickets Reliable [14.353428281239665]
信頼性校正を改善したスパースモデルを生成するための新しいスパーストレーニング手法を提案する。
本手法は,計算量や記憶負荷をわずかに増加させるだけで,同時に精度を向上する。
論文 参考訳（メタデータ） (2023-02-18T15:53:55Z) - Machine learning methods for prediction of breakthrough curves in
reactive porous media [0.0]
機械学習とビッグデータのアプローチは、低コストでブレークスルー曲線を予測するのに役立つ。
本稿では,触媒フィルタにおける細孔スケールの反応性流れについて,その性能を実証する。
論文 参考訳（メタデータ） (2023-01-12T13:25:13Z) - Generative models-based data labeling for deep networks regression:
application to seed maturity estimation from UAV multispectral images [3.6868861317674524]
種子の成熟度モニタリングは、気候変動とより制限的な慣行による農業における課題の増加である。
従来の手法は、フィールドでの限られたサンプリングと実験室での分析に基づいている。
マルチスペクトルUAV画像を用いたパセリ種子の成熟度推定手法の提案と,自動ラベリングのための新しいアプローチを提案する。
論文 参考訳（メタデータ） (2022-08-09T09:06:51Z) - Neural network enhanced measurement efficiency for molecular
groundstates [63.36515347329037]
いくつかの分子量子ハミルトニアンの複雑な基底状態波動関数を学習するために、一般的なニューラルネットワークモデルを適用する。
ニューラルネットワークモデルを使用することで、単一コピー計測結果だけで観測対象を再構築するよりも堅牢な改善が得られます。
論文 参考訳（メタデータ） (2022-06-30T17:45:05Z) - Mixed-Precision Neural Network Quantization via Learned Layer-wise
Importance [50.00102219630088]
混合精度量子化(MPQ)は各層に対して最適なビット幅を決定するのを難しくする。
本稿では,すべての指標を同時に取得できる共同学習手法を提案する。
例えば、ResNet18上のインデックスによるMPQ検索は、わずか0.06秒しかかからない。
論文 参考訳（メタデータ） (2022-03-16T03:23:50Z) - Visual-tactile sensing for Real-time liquid Volume Estimation in
Grasping [58.50342759993186]
変形性容器内の液体をリアルタイムに推定するためのビジュオ触覚モデルを提案する。
我々は、RGBカメラからの生の視覚入力と、特定の触覚センサーからの触覚手がかりの2つの感覚モードを融合する。
ロボットシステムは、推定モデルに基づいて、リアルタイムで適切に制御され、調整される。
論文 参考訳（メタデータ） (2022-02-23T13:38:31Z) - Data augmentation and pre-trained networks for extremely low data
regimes unsupervised visual inspection [0.0]
MVTec ADデータセットで利用可能なデータの量を変化させる際に、事前訓練済みの深い特徴に基づく3つのアプローチを比較する。
これらの手法はほとんどの場合、小さなサンプルサイズに対して堅牢であるが、元の画像空間でデータ拡張を使用することで大きなメリットを享受できることが示されている。
論文 参考訳（メタデータ） (2021-06-02T16:37:20Z) - Hybrid Physics and Deep Learning Model for Interpretable Vehicle State
Prediction [75.1213178617367]
深層学習と物理運動モデルを組み合わせたハイブリッドアプローチを提案する。
ハイブリッドモデルの一部として,ディープニューラルネットワークの出力範囲を制限することで,解釈可能性を実現する。
その結果, ハイブリッドモデルでは, 既存のディープラーニング手法に比べて精度を低下させることなく, モデル解釈性が向上できることがわかった。
論文 参考訳（メタデータ） (2021-03-11T15:21:08Z) - Benchmarking quantum tomography completeness and fidelity with machine
learning [0.0]
我々は畳み込みニューラルネットワークを訓練し、ある測定セットが情報的に完全であるかどうかを予測し、任意の量子状態を事前情報なしで一意に再構築する。
ネットワークは、その忠実さと情報完全性に対する信頼性の高い尺度を認識するために訓練される。
論文 参考訳（メタデータ） (2021-03-02T07:30:32Z) - Calibrating Self-supervised Monocular Depth Estimation [77.77696851397539]
近年、ニューラルネットワークが深度を学習し、画像のシーケンスに変化を起こさせる能力を示す方法は、訓練信号として自己スーパービジョンのみを使用している。
カメラの構成や環境に関する事前情報を取り入れることで,センサの追加に頼ることなく,自己教師型定式化を用いて,スケールのあいまいさを排除し,深度を直接予測できることを示す。
論文 参考訳（メタデータ） (2020-09-16T14:35:45Z) - 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)
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。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。