Fugu-MT 論文翻訳(概要): Transfer Learning of Photometric Phenotypes in Agriculture Using Metadata

論文の概要: Transfer Learning of Photometric Phenotypes in Agriculture Using Metadata

arxiv url: http://arxiv.org/abs/2004.00303v1
Date: Wed, 1 Apr 2020 09:24:34 GMT
ステータス: 処理完了
システム内更新日: 2022-12-17 18:53:56.022456
Title: Transfer Learning of Photometric Phenotypes in Agriculture Using Metadata
Title（参考訳）: メタデータを用いた農業における光度現象の伝達学習
Authors: Dan Halbersberg, Aharon Bar Hillel, Shon Mendelson, Daniel Koster, Lena Karol, and Boaz Lerner
Abstract要約: フィールド条件下での光度植物表現型(例えば、色調、色調、色調)の推定は、期待される収量品質、果実の熟度、さらなる育種の必要性を決定する上で重要である。ネットワークに埋め込まれた条件の取得に関する画像とメタデータを組み合わせることで、異なる条件間のより正確な推定と転送を可能にします。最先端の深層CNNと人間の専門家と比較して、メタデータの埋め込みはトマトの色調と色調の推定を改善する。
参考スコア（独自算出の注目度）: 6.034634994180246
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Estimation of photometric plant phenotypes (e.g., hue, shine, chroma) in field conditions is important for decisions on the expected yield quality, fruit ripeness, and need for further breeding. Estimating these from images is difficult due to large variances in lighting conditions, shadows, and sensor properties. We combine the image and metadata regarding capturing conditions embedded into a network, enabling more accurate estimation and transfer between different conditions. Compared to a state-of-the-art deep CNN and a human expert, metadata embedding improves the estimation of the tomato's hue and chroma.
Abstract（参考訳）: 実地条件下での測光植物表現型(例えば、hue、shine、chroma)の推定は、期待収量品質、果実の熟度、さらに育種の必要性を決定する上で重要である。照明条件,影,センサ特性のばらつきが大きいため,これらを画像から推定することは困難である。ネットワークに埋め込まれた条件の取得に関する画像とメタデータを組み合わせて、異なる条件間のより正確な推定と転送を可能にします。最先端の深層CNNと人間の専門家と比較して、メタデータの埋め込みはトマトの色調と色調の推定を改善する。

関連論文リスト

Data Augmentation via Latent Diffusion for Saliency Prediction [67.88936624546076]
残差予測モデルはラベル付きデータの限られた多様性と量によって制約される。本研究では,実世界のシーンの複雑さと変動性を保ちながら,自然画像の編集を行うディープ・サリエンシ・予測のための新しいデータ拡張手法を提案する。
論文参考訳（メタデータ） (2024-09-11T14:36:24Z)
Intrinsic Image Diffusion for Indoor Single-view Material Estimation [55.276815106443976]
室内シーンの外観分解のための生成モデルIntrinsic Image Diffusionを提案する。 1つの入力ビューから、アルベド、粗さ、および金属地図として表される複数の材料説明をサンプリングする。提案手法は,PSNRで1.5dB$,アルベド予測で45%のFIDスコアを達成し,よりシャープで,より一貫性があり,より詳細な資料を生成する。
論文参考訳（メタデータ） (2023-12-19T15:56:19Z)
Data-driven Crop Growth Simulation on Time-varying Generated Images using Multi-conditional Generative Adversarial Networks [2.513679466277441]
本稿では,画像予測モデルの第1段と成長推定モデル第2段からなる2段階のフレームワークを提案する。画像予測モデルは条件付きワッサーシュタイン生成対向ネットワーク(CWGAN)であるこのモデルの生成元では、条件付きバッチ正規化(CBN)を使用して、入力画像と異なる条件を統合する。これらの画像は、植物特有の形質を導出することにより植物表現の枠組みの第2部によって使用される。
論文参考訳（メタデータ） (2023-12-06T11:54:50Z)
Geometric Data Augmentations to Mitigate Distribution Shifts in Pollen Classification from Microscopic Images [4.545340728210854]
我々は、幾何学的特徴が正確な花粉の同定に非常に重要であるというドメイン知識を活用している。本稿では,列車におけるモデル性能とテストデータセットとの精度ギャップを著しく狭めるために,新しい2つの幾何画像拡張手法を提案する。
論文参考訳（メタデータ） (2023-11-18T10:35:18Z)
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)
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)
Texture Characterization of Histopathologic Images Using Ecological Diversity Measures and Discrete Wavelet Transform [82.53597363161228]
本稿では,病理組織像間でテクスチャを特徴付ける手法を提案する。 2つのHIデータセットに有望な精度で、そのような画像の固有特性を定量化することが可能である。
論文参考訳（メタデータ） (2022-02-27T02:19:09Z)
An Applied Deep Learning Approach for Estimating Soybean Relative Maturity from UAV Imagery to Aid Plant Breeding Decisions [7.4022258821325115]
我々は,UAV画像の時系列を用いて,大豆の相対的成熟度を推定するための頑健で自動的なアプローチを開発した。畳み込みニューラルネットワーク(CNN)とLong Short-Term Memory(LSTM)を組み合わせたエンドツーエンドハイブリッドモデルを提案する。その結果,CNN-LSTMモデルの有効性を局所回帰法と比較した。
論文参考訳（メタデータ） (2021-08-02T14:53:58Z)
Using depth information and colour space variations for improving outdoor robustness for instance segmentation of cabbage [62.997667081978825]
本研究は, 異なる環境条件下での作物のインスタンスセグメンテーションの改善に焦点をあてる。深度情報と異なる色空間表現の影響を分析した。その結果,色情報と組み合わせることでセグメンテーション精度が7.1%向上した。
論文参考訳（メタデータ） (2021-03-31T09:19:12Z)
A Robust Illumination-Invariant Camera System for Agricultural Applications [7.349727826230863]
オブジェクト検出とセマンティックセグメンテーションは、農業アプリケーションで最も広く採用されているディープラーニングアルゴリズムの2つです。我々は,全ての照明条件下で一貫した画像を生成する,高スループットな能動照明カメラシステムを提案する。平均して、オブジェクト検出のためのディープネットは、一貫性のあるデータで訓練され、同様の精度を達成するために4倍近いデータを必要としました。
論文参考訳（メタデータ） (2021-01-06T18:50:53Z)
Automatic image-based identification and biomass estimation of invertebrates [70.08255822611812]
時間を要する分類と分類は、どれだけの昆虫を処理できるかに強い制限を課す。我々は、人間の専門家による分類と識別の標準的な手動アプローチを、自動画像ベース技術に置き換えることを提案する。分類タスクには最先端のResnet-50とInceptionV3 CNNを使用する。
論文参考訳（メタデータ） (2020-02-05T21:38:57Z)

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。