論文の概要: Weakly Supervised Learning Guided by Activation Mapping Applied to a Novel Citrus Pest Benchmark

• arxiv url: http://arxiv.org/abs/2004.11252v1
• Date: Wed, 22 Apr 2020 01:26:50 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-10 17:40:03.212466
• Title: Weakly Supervised Learning Guided by Activation Mapping Applied to a Novel Citrus Pest Benchmark
• Title（参考訳）: アクティベーションマッピングによる弱教師付き学習の新規citrus pestベンチマークへの応用
• Authors: Edson Bollis, Helio Pedrini, and Sandra Avila
• Abstract要約: 統合害虫管理(Integrated pest Management)は、シトラス作物の害虫や病気による被害を予防・緩和するために最も広く用いられるプロセスである。 我々は、画像に対する関心領域を自動的に選択するために、サリエンシマップによって導かれる弱教師付き学習プロセスを設計する。 2つの大規模データセットで行った実験から,農業分野における害虫の分類と病気の分類の問題に対して,本研究の結果は非常に有望であることが明らかとなった。
• 参考スコア（独自算出の注目度）: 6.239768930024569
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Pests and diseases are relevant factors for production losses in agriculture and, therefore, promote a huge investment in the prevention and detection of its causative agents. In many countries, Integrated Pest Management is the most widely used process to prevent and mitigate the damages caused by pests and diseases in citrus crops. However, its results are credited by humans who visually inspect the orchards in order to identify the disease symptoms, insects and mite pests. In this context, we design a weakly supervised learning process guided by saliency maps to automatically select regions of interest in the images, significantly reducing the annotation task. In addition, we create a large citrus pest benchmark composed of positive samples (six classes of mite species) and negative samples. Experiments conducted on two large datasets demonstrate that our results are very promising for the problem of pest and disease classification in the agriculture field.
• Abstract（参考訳）: 害虫や病気は農業における生産損失の関連要因であり、そのため、その原因物質の予防と検出に多大な投資を行う。 多くの国において、統合害虫管理は、カンキツ作物の害虫や病気による被害を予防し軽減するために最も広く使われているプロセスである。 しかし、その結果は、病気の症状、昆虫、ダニの害虫を特定するために果樹園を視覚的に検査する人間によって証明されている。 この文脈では,サリエンシーマップに導かれた弱い教師付き学習プロセスをデザインし,画像に対する関心領域を自動的に選択し,アノテーションタスクを著しく削減する。 さらに, 正の試料 (ダニ科の6種) と負の試料からなる大型のカンキツ害虫ベンチマークを作成した。 2つの大規模データセットを用いた実験の結果,農業分野における害虫と病害分類の課題に非常に有望な結果が得られた。

関連論文リスト

• Self-supervised transformer-based pre-training method with General Plant Infection dataset [3.969851116372513]
  本研究では、コントラスト学習とマスクド画像モデリング(MIM)を組み合わせた高度なネットワークアーキテクチャを提案する。 提案するネットワークアーキテクチャは,植物害虫や病原体認識タスクに対処し,優れた検出精度を実現する。 私たちのコードとデータセットは、植物害虫の研究と病気の認識を促進するために公開されます。
  論文  参考訳（メタデータ） (2024-07-20T15:48:35Z)
• Artificial Immune System of Secure Face Recognition Against Adversarial Attacks [67.31542713498627]
  昆虫生産には 最大限の可能性を実現するために 最適化が必要です これは選択的育種による興味のある形質の改善が目的である。 このレビューは、様々な分野の知識と、動物の繁殖、定量的遺伝学、進化生物学、昆虫学のギャップを埋めるものである。
  論文  参考訳（メタデータ） (2024-06-26T07:50:58Z)
• An Efficient Deep Learning-based approach for Recognizing Agricultural Pests in the Wild [0.0]
  農夫が経験した最大の課題の1つは、農作物の収量で害虫と戦うことである。 これは、簡単かつ効果的に昆虫の害虫を識別することを必要とする。 我々は,それぞれに最適な方法を見出すために,様々な方法を検討する広範囲な実験を行った。
  論文  参考訳（メタデータ） (2023-10-25T20:42:20Z)
• On the Real-Time Semantic Segmentation of Aphid Clusters in the Wild [13.402804225093801]
  アフィドの感染は小麦やソルガムの畑に大きな損傷を与え、植物ウイルスを拡散させる。 農夫はしばしば化学殺虫剤を頼りにしており、これは田畑の広い範囲で非効率に適用される。 本稿では,アフィドのクラスタ分割にリアルタイム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適用することを提案する。
  論文  参考訳（メタデータ） (2023-07-17T19:04:39Z)
• Detection of healthy and diseased crops in drone captured images using Deep Learning [0.0]
  病気によって引き起こされる植物の正常な状態の破壊は、しばしば本質的な植物活動に干渉する。 ドローン画像を用いた植物病の効率的な検出のための深層学習に基づくアプローチを提案する。
  論文  参考訳（メタデータ） (2023-05-22T21:15:12Z)
• Agave crop segmentation and maturity classification with deep learning data-centric strategies using very high-resolution satellite imagery [101.18253437732933]
  超高解像度衛星画像を用いたAgave tequilana Weber azul crop segmentation and mature classificationを提案する。 実世界の深層学習問題を,作物の選別という非常に具体的な文脈で解決する。 結果として得られた正確なモデルにより、大規模地域で生産予測を行うことができる。
  論文  参考訳（メタデータ） (2023-03-21T03:15:29Z)
• 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)
• Unsupervised deep learning techniques for powdery mildew recognition based on multispectral imaging [63.62764375279861]
  本稿では,キュウリ葉の粉状ミドウを自動的に認識する深層学習手法を提案する。 マルチスペクトルイメージングデータに適用した教師なし深層学習技術に焦点をあてる。 本稿では, オートエンコーダアーキテクチャを用いて, 疾患検出のための2つの手法を提案する。
  論文  参考訳（メタデータ） (2021-12-20T13:29:13Z)
• Weakly Supervised Attention-based Models Using Activation Maps for Citrus Mite and Insect Pest Classification [7.6197178280107725]
  本研究は、小領域の分類を改善するために、注意に基づくアクティベーションマップ手法を提案する。 本稿では,Saliency Maps によるAttention-based Multiple Instance Learning Guided と呼ばれる2段階のネットワークプロセスに適用する。 われわれのアプローチでは、有能な昆虫の箱の位置を推測し、位置ラベルなしで訓練する。
  論文  参考訳（メタデータ） (2021-10-02T21:42:22Z)
• One-Shot Learning with Triplet Loss for Vegetation Classification Tasks [45.82374977939355]
  三重項損失関数は、ワンショット学習タスクの精度を大幅に向上できる選択肢の1つである。 2015年からは、多くのプロジェクトがシームズネットワークとこの種の損失を顔認識とオブジェクト分類に利用している。
  論文  参考訳（メタデータ） (2020-12-14T10:44:22Z)
• Pollen13K: A Large Scale Microscope Pollen Grain Image Dataset [63.05335933454068]
  この研究は、1万3千以上の天体を含む最初の大規模花粉画像データセットを提示する。 本稿では, エアロバイオロジカルサンプリング, 顕微鏡画像取得, 物体検出, セグメンテーション, ラベル付けなど, 採用データ取得のステップに注目した。
  論文  参考訳（メタデータ） (2020-07-09T10:33:31Z)

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。