Fugu-MT 論文翻訳(概要): An Image Labeling Tool and Agricultural Dataset for Deep Learning

論文の概要: An Image Labeling Tool and Agricultural Dataset for Deep Learning

arxiv url: http://arxiv.org/abs/2004.03351v1
Date: Mon, 6 Apr 2020 13:38:01 GMT
ステータス: 処理完了
システム内更新日: 2022-12-16 07:29:47.356457
Title: An Image Labeling Tool and Agricultural Dataset for Deep Learning
Title（参考訳）: 深層学習のための画像ラベルツールと農業データセット
Authors: Patrick Wspanialy, Justin Brooks, Medhat Moussa
Abstract要約: 本稿では,農業におけるコンピュータビジョン研究の促進を目的としたラベル付けツールとデータセットを紹介する。データセットには、商用の温室から集めたオリジナルイメージ、PlantVillageの画像、Google Imagesの画像が含まれている。合計で10kのトマト,7kの葉,2kの茎,2kの病気の葉の注釈が含まれていた。
参考スコア（独自算出の注目度）: 4.107998999964667
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We introduce a labeling tool and dataset aimed to facilitate computer vision research in agriculture. The annotation tool introduces novel methods for labeling with a variety of manual, semi-automatic, and fully-automatic tools. The dataset includes original images collected from commercial greenhouses, images from PlantVillage, and images from Google Images. Images were annotated with segmentations for foreground leaf, fruit, and stem instances, and diseased leaf area. Labels were in an extended COCO format. In total the dataset contained 10k tomatoes, 7k leaves, 2k stems, and 2k diseased leaf annotations.
Abstract（参考訳）: 農業におけるコンピュータビジョン研究の促進を目的としたラベル付けツールとデータセットを提案する。このアノテーションツールは、マニュアル、セミオートマチック、フルオートマチックツールのさまざまなラベリングのための新しいメソッドを導入している。データセットには、商用の温室から集めたオリジナルイメージ、PlantVillageの画像、Google Imagesの画像が含まれている。画像には, 前庭葉, 果実, 茎, 病状葉面積のセグメンテーションが付与された。レーベルはCOCOフォーマットを拡張した。合計で10kのトマト,7kの葉,2kの茎,2kの病気の葉の注釈が含まれていた。

関連論文リスト

Generating Diverse Agricultural Data for Vision-Based Farming Applications [74.79409721178489]
このモデルは, 植物の成長段階, 土壌条件の多様性, 照明条件の異なるランダム化フィールド配置をシミュレートすることができる。我々のデータセットにはセマンティックラベル付き12,000の画像が含まれており、精密農業におけるコンピュータビジョンタスクの包括的なリソースを提供する。
論文参考訳（メタデータ） (2024-03-27T08:42:47Z)
HarvestNet: A Dataset for Detecting Smallholder Farming Activity Using Harvest Piles and Remote Sensing [50.4506590177605]
HarvestNetは、2020-2023年のエチオピアのティグレイとアムハラの農場の存在をマッピングするためのデータセットである。本研究は,多くの小作システムの特徴ある収穫杭の検出に基づく新しい手法を提案する。本研究は, 農作物のリモートセンシングが, 食品の安全地帯において, よりタイムリーかつ正確な農地評価に寄与することが示唆された。
論文参考訳（メタデータ） (2023-08-23T11:03:28Z)
Improving Data Efficiency for Plant Cover Prediction with Label Interpolation and Monte-Carlo Cropping [7.993547048820065]
植物群落の組成は環境変化の重要な指標であり、通常生態学的研究で分析される。本稿では,収集した植生計画時系列のスパースラベルを中間密度・未ラベル画像に補間する手法を提案する。また,高解像度画像の処理を効率的に行うため,モンテカルロ・クロッピングと呼ばれる新しい手法を導入する。
論文参考訳（メタデータ） (2023-07-17T15:17:39Z)
GrowliFlower: An image time series dataset for GROWth analysis of cauLIFLOWER [2.8247971782279615]
この記事では、2020年と2021年に取得した0.39と0.60haの2つの監視されたカリフラワーフィールドのイメージベースUAV時系列データセットであるGrowliFlowerについて述べる。このデータセットは、約14,000個の植物座標が導出され提供されるRGBおよび多スペクトル正光を含む。このデータセットは、発生段階、植物、カリフラワーサイズを含む740種の植物の表現型形質を収集する。
論文参考訳（メタデータ） (2022-04-01T08:56:59Z)
Agricultural Plant Cataloging and Establishment of a Data Framework from UAV-based Crop Images by Computer Vision [4.0382342610484425]
本稿では,UAVからの収穫画像の時間的・空間的識別と識別を自動化するための手動ワークフローを提案する。提案手法は農業におけるUAVデータの分析と解釈を大幅に改善する。
論文参考訳（メタデータ） (2022-01-08T21:14:07Z)
Presenting an extensive lab- and field-image dataset of crops and weeds for computer vision tasks in agriculture [0.9623578875486183]
機械学習とコンピュータビジョンモデルのトレーニングに適したラベル付き植物画像の大規模なデータセットを2つ提示する。最初のデータセットは、カナディアン・プレーリーズや多くのアメリカの州に共通する、屋内で栽培された作物や雑草の120万枚以上の画像を書いた日である。第2のデータセットは、農地で撮影された植物の54万枚以上の画像で構成されている。
論文参考訳（メタデータ） (2021-08-12T15:06:32Z)
A Large-Scale Benchmark for Food Image Segmentation [62.28029856051079]
我々は9,490枚の画像を含む新しい食品画像データセットFoodSeg103(およびその拡張FoodSeg154)を構築します。これらの画像に154種類の成分を付加し,各画像は平均6つの成分ラベルと画素単位のマスクを有する。 ReLeMと呼ばれるマルチモダリティプリトレーニングアプローチを提案し、豊富なセマンティックな食品知識を持つセグメンテーションモデルを明確に装備します。
論文参考訳（メタデータ） (2021-05-12T03:00:07Z)
DatasetGAN: Efficient Labeled Data Factory with Minimal Human Effort [117.41383937100751]
現在のディープネットワークは、大規模なデータセットのトレーニングの恩恵を受ける、非常にデータハングリーです。 GAN潜入コードがどのようにデコードされ、イメージのセマンティックセグメンテーションを生成するかを示す。これらの生成されたデータセットは、実際のデータセットと同じように、コンピュータビジョンアーキテクチャのトレーニングに使用できます。
論文参考訳（メタデータ） (2021-04-13T20:08:29Z)
Semantic Segmentation with Generative Models: Semi-Supervised Learning and Strong Out-of-Domain Generalization [112.68171734288237]
本論文では,画像とラベルの再生モデルを用いた識別画素レベルのタスクのための新しいフレームワークを提案する。我々は,共同画像ラベルの分布を捕捉し,未ラベル画像の大規模な集合を用いて効率的に訓練する生成的対向ネットワークを学習する。ドメイン内性能をいくつかのベースラインと比較し,ドメイン外一般化を極端に示す最初の例である。
論文参考訳（メタデータ） (2021-04-12T21:41:25Z)
An embedded system for the automated generation of labeled plant images to enable machine learning applications in agriculture [1.4598479819593448]
十分なトレーニングデータの不足は、マシンラーニング(ML)アプリケーションの開発において、しばしばボトルネックとなる。植物画像の大規模なデータセットを自動生成・ラベル付けする組込みロボットシステムを開発した。我々は34,000以上のラベル付き画像のデータセットを作成し、草と草を区別するMLモデルを訓練した。
論文参考訳（メタデータ） (2020-06-01T20:01:20Z)
Agriculture-Vision: A Large Aerial Image Database for Agricultural Pattern Analysis [110.30849704592592]
本稿では,農業パターンのセマンティックセグメンテーションのための大規模空中農地画像データセットであるGarmry-Visionを提案する。各画像はRGBと近赤外線(NIR)チャンネルで構成され、解像度は1ピクセルあたり10cmである。農家にとって最も重要な9種類のフィールド異常パターンに注釈を付ける。
論文参考訳（メタデータ） (2020-01-05T20:19:33Z)

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。