論文の概要: The 1st Agriculture-Vision Challenge: Methods and Results

• arxiv url: http://arxiv.org/abs/2004.09754v2
• Date: Thu, 23 Apr 2020 17:24:31 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-11 06:39:43.181837
• Title: The 1st Agriculture-Vision Challenge: Methods and Results
• Title（参考訳）: 第1回農業ビジョンチャレンジ : 方法と成果
• Authors: Mang Tik Chiu, Xingqian Xu, Kai Wang, Jennifer Hobbs, Naira Hovakimyan, Thomas S. Huang, Honghui Shi, Yunchao Wei, Zilong Huang, Alexander Schwing, Robert Brunner, Ivan Dozier, Wyatt Dozier, Karen Ghandilyan, David Wilson, Hyunseong Park, Junhee Kim, Sungho Kim, Qinghui Liu, Michael C. Kampffmeyer, Robert Jenssen, Arnt B. Salberg, Alexandre Barbosa, Rodrigo Trevisan, Bingchen Zhao, Shaozuo Yu, Siwei Yang, Yin Wang, Hao Sheng, Xiao Chen, Jingyi Su, Ram Rajagopal, Andrew Ng, Van Thong Huynh, Soo-Hyung Kim, In-Seop Na, Ujjwal Baid, Shubham Innani, Prasad Dutande, Bhakti Baheti, Sanjay Talbar, Jianyu Tang
• Abstract要約: 第1回農業ビジョンチャレンジは、航空画像から農業パターン認識のための新しい効果的なアルゴリズムの開発を奨励することを目的としている。 約57の参加チームが、航空農業のセマンティックセグメンテーションの最先端を達成するために競っている。 本報告では,課題における注目すべき手法と成果について概説する。
• 参考スコア（独自算出の注目度）: 144.57794061346974
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The first Agriculture-Vision Challenge aims to encourage research in developing novel and effective algorithms for agricultural pattern recognition from aerial images, especially for the semantic segmentation task associated with our challenge dataset. Around 57 participating teams from various countries compete to achieve state-of-the-art in aerial agriculture semantic segmentation. The Agriculture-Vision Challenge Dataset was employed, which comprises of 21,061 aerial and multi-spectral farmland images. This paper provides a summary of notable methods and results in the challenge. Our submission server and leaderboard will continue to open for researchers that are interested in this challenge dataset and task; the link can be found here.
• Abstract（参考訳）: 第1回農業ビジョンチャレンジは,航空画像から農業パターン認識のための新規かつ効果的なアルゴリズム,特に課題データセットに関連する意味セグメンテーションタスクの開発を奨励することを目的としている。 各国から約57チームが参加し、航空農業のセマンティクスセグメンテーションにおける最先端の成果を競う。 農業ビジョンチャレンジデータセットは21,061枚の空中およびマルチスペクトルの農地画像からなる。 本稿では,この課題における注目すべき方法と結果について概説する。 当社の提出サーバとleaderboardは,この課題データセットとタスクに興味を持つ研究者に対して,今後もオープンになる予定です。

関連論文リスト

• The VoxCeleb Speaker Recognition Challenge: A Retrospective [75.40776645175585]
  VoxCeleb Speaker Recognition Challenges (VoxSRC)は、2019年から2023年にかけて毎年開催される一連の課題とワークショップである。 課題は主に、様々な環境下で話者認識とダイアリゼーションのタスクを評価した。 私たちは、これらの課題について、彼らが何を探求したのか、課題参加者によって開発された方法、そしてそれらがどのように進化したのかをレビューします。
  論文  参考訳（メタデータ） (2024-08-27T08:57:31Z)
• Agriculture-Vision Challenge 2024 -- The Runner-Up Solution for Agricultural Pattern Recognition via Class Balancing and Model Ensemble [20.631333392618327]
  CVPR 2024の農業ビジョンチャレンジは、セマンティックセマンティックセマンティクスモデルを活用してピクセルレベルのセマンティクスセマンティクスラベルを作成することを目的としている。 本稿では,モザイクデータ拡張手法を提案する。 提案手法は,テストセットにおいて平均mIoU(mIoU)スコア0.547を達成し,この課題において第2位を確保した。
  論文  参考訳（メタデータ） (2024-06-18T04:59:04Z)
• A SAM-based Solution for Hierarchical Panoptic Segmentation of Crops and Weeds Competition [2.7624021966289605]
  本稿では,Segment AnyThing Model(SAM)のインスタンスセグメンテーションにおける有効性と,オブジェクト検出モデルからの迅速な入力を組み合わせたアプローチを提案する。 ベストパフォーマンスモデルでは,PQ+スコアが81.33であった。
  論文  参考訳（メタデータ） (2023-09-24T08:34:12Z)
• NICE: CVPR 2023 Challenge on Zero-shot Image Captioning [149.28330263581012]
  NICEプロジェクトは、堅牢な画像キャプションモデルを開発するためにコンピュータビジョンコミュニティに挑戦するために設計されている。 レポートには、新たに提案されたNICEデータセット、評価方法、課題結果、トップレベルのエントリの技術的な詳細などが含まれている。
  論文  参考訳（メタデータ） (2023-09-05T05:32:19Z)
• Extended Agriculture-Vision: An Extension of a Large Aerial Image Dataset for Agricultural Pattern Analysis [11.133807938044804]
  農業ビジョンデータセットの改良版(Chiu et al., 2020b)をリリースする。 このデータセットは,3600大,高解像度(10cm/ピクセル),フルフィールド,赤緑色,近赤外画像の事前トレーニングにより拡張する。 下流分類とセマンティックセグメンテーションの両タスクにおいて、異なるコントラスト学習アプローチをベンチマークすることで、このデータの有用性を実証する。
  論文  参考訳（メタデータ） (2023-03-04T17:35:24Z)
• Agriculture-Vision Challenge 2022 -- The Runner-Up Solution for Agricultural Pattern Recognition via Transformer-based Models [11.615548490321123]
  CVPR 2022における第3回農業ビジョンチャレンジへの解決策を提案する。 我々は,データ前処理方式とトランスフォーマーベースモデル,およびデータ拡張技術を活用し,0.582mIoUを実現する。
  論文  参考訳（メタデータ） (2022-06-23T18:02:12Z)
• LUAI Challenge 2021 on Learning to Understand Aerial Images [113.42987112252851]
  本報告では,ICCV 2021で実施したLearning to Understand Aerial Images (LUAI) 2021の課題について要約する。 DOTA-v2.0 と GID-15 のデータセットを用いて,オブジェクト指向物体検出,水平物体検出,空中画像における共通カテゴリのセマンティックセグメンテーションの3つのタスクを提案する。
  論文  参考訳（メタデータ） (2021-08-30T14:03:54Z)
• Batch Exploration with Examples for Scalable Robotic Reinforcement Learning [63.552788688544254]
  BEE(Batch Exploration with Examples)は、重要状態の画像の少ない数の人間がガイドする状態空間の関連領域を探索する。 BEEは、シミュレーションと本物のフランカロボットの両方で、視覚ベースの操作に挑戦することができる。
  論文  参考訳（メタデータ） (2020-10-22T17:49:25Z)
• 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。

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。