論文の概要: DeepCorn: A Semi-Supervised Deep Learning Method for High-Throughput Image-Based Corn Kernel Counting and Yield Estimation

• arxiv url: http://arxiv.org/abs/2007.10521v2
• Date: Thu, 25 Feb 2021 01:37:18 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-08 13:31:39.460046
• Title: DeepCorn: A Semi-Supervised Deep Learning Method for High-Throughput Image-Based Corn Kernel Counting and Yield Estimation
• Title（参考訳）: DeepCorn: 高速画像に基づくコーンカーネルカウントと収率推定のための半教師付きディープラーニング手法
• Authors: Saeed Khaki, Hieu Pham, Ye Han, Andy Kuhl, Wade Kent, and Lizhi Wang
• Abstract要約: 本研究では,実時間データの収集を支援するために,フィールド内における実時間コーンカーネルをカウントする新しい深層学習手法を提案する。 DeepCornはトウモロコシの耳の画像中のトウモロコシの核の密度を推定し、推定された密度マップに基づいて核の数を予測する。 提案手法は, コーンカーネルカウントタスクにおいて, 41.36と60.27のMAEとRMSEをそれぞれ達成する。
• 参考スコア（独自算出の注目度）: 20.829106642703277
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: The success of modern farming and plant breeding relies on accurate and efficient collection of data. For a commercial organization that manages large amounts of crops, collecting accurate and consistent data is a bottleneck. Due to limited time and labor, accurately phenotyping crops to record color, head count, height, weight, etc. is severely limited. However, this information, combined with other genetic and environmental factors, is vital for developing new superior crop species that help feed the world's growing population. Recent advances in machine learning, in particular deep learning, have shown promise in mitigating this bottleneck. In this paper, we propose a novel deep learning method for counting on-ear corn kernels in-field to aid in the gathering of real-time data and, ultimately, to improve decision making to maximize yield. We name this approach DeepCorn, and show that this framework is robust under various conditions. DeepCorn estimates the density of corn kernels in an image of corn ears and predicts the number of kernels based on the estimated density map. DeepCorn uses a truncated VGG-16 as a backbone for feature extraction and merges feature maps from multiple scales of the network to make it robust against image scale variations. We also adopt a semi-supervised learning approach to further improve the performance of our proposed method. Our proposed method achieves the MAE and RMSE of 41.36 and 60.27 in the corn kernel counting task, respectively. Our experimental results demonstrate the superiority and effectiveness of our proposed method compared to other state-of-the-art methods.
• Abstract（参考訳）: 現代の農業と植物の育種の成功は、データの正確かつ効率的な収集に依存している。 大量の作物を管理する商業組織にとって、正確で一貫したデータを集めることはボトルネックとなる。 時間や労力が限られているため、色や頭数、身長、体重などを正確に表現する作物は非常に限られている。 しかし、この情報は他の遺伝的・環境的な要因と組み合わされ、世界の人口増加を養う新しい優良な作物種の開発に不可欠である。 機械学習の最近の進歩、特にディープラーニングは、このボトルネックを緩和する約束を示している。 本稿では,実時間データの収集を支援し,最終的に収率を最大化するための意思決定を改善するために,実時間コーンカーネルを現場で数える新しい深層学習手法を提案する。 このアプローチをDeepCornと名付け、このフレームワークが様々な条件下で堅牢であることを示します。 DeepCornはトウモロコシの耳の画像中のトウモロコシの核の密度を推定し、推定密度マップに基づいて核の数を予測する。 DeepCornは、機能抽出とネットワークの複数スケールの機能マップのマージのためのバックボーンとして、切り詰められたVGG-16を使用している。 また,提案手法の性能向上のために,半教師付き学習手法を採用した。 提案手法はトウモロコシ核計数タスクにおいてそれぞれ41.36と60.27のmaeとrmseを達成する。 実験により,提案手法が他の最先端手法と比較して優れていること,有効性を示す。

関連論文リスト

• 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)
• Hinting Pipeline and Multivariate Regression CNN for Maize Kernel Counting on the Ear [0.0]
  本稿では,コーンカーネルの中心にモデルの注意を向け,ディープラーニングモデルによるパフォーマンス向上を実現するための,ヒントと呼ばれる新しい前処理パイプラインを提案する。 実験の結果、提案手法は現在の手動推定を上回り、手動推定では34.4のMAEと0.74のR2と35.38と0.72のMAEが得られることがわかった。
  論文  参考訳（メタデータ） (2023-06-11T00:58:38Z)
• Wheat Head Counting by Estimating a Density Map with Convolutional Neural Networks [15.95772332799123]
  小麦は最も重要な作物の1つであり、毎年7億トンもの穀物を生産している。 本研究では,コムギの頭数推定ネットワークを3つ提案し,個々の画像から正確にコムギの頭数を推定する。 WHCNetは、小麦の頭部画像の特徴抽出のフロントエンドである畳み込みニューラルネットワーク(CNN)と、高品質な密度マップを生成するためにバックエンドのスキップ接続を備えたCNNの2つの主要コンポーネントで構成されている。
  論文  参考訳（メタデータ） (2023-03-19T02:45:53Z)
• 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)
• Deep Semi-supervised Metric Learning with Dual Alignment for Cervical Cancer Cell Detection [49.78612417406883]
  子宮頸癌細胞検出のための新しい半教師付き深度測定法を提案する。 私たちのモデルは、埋め込みメトリック空間を学習し、提案レベルとプロトタイプレベルの両方でセマンティック機能の二重アライメントを行います。 本研究は,240,860個の頸部細胞画像からなる半監督型頸部がん細胞検出のための大規模データセットを初めて構築した。
  論文  参考訳（メタデータ） (2021-04-07T17:11:27Z)
• Graph Sampling Based Deep Metric Learning for Generalizable Person Re-Identification [114.56752624945142]
  我々は、最も一般的なランダムサンプリング手法である有名なpkサンプリングは、深層メトリック学習にとって有益で効率的ではないと主張する。 大規模計量学習のためのグラフサンプリング(GS)と呼ばれる効率的なミニバッチサンプリング手法を提案する。
  論文  参考訳（メタデータ） (2021-04-04T06:44:15Z)
• WheatNet: A Lightweight Convolutional Neural Network for High-throughput Image-based Wheat Head Detection and Counting [12.735055892742647]
  本研究では,小麦頭数を正確にかつ効率的に計算し,意思決定のためのリアルタイムデータ収集を支援する新しいディープラーニングフレームワークを提案する。 モデルコムギ網とよばれ,小麦畑の幅広い環境条件において,我々のアプローチが頑健かつ正確であることを実証する。 提案手法は, 小麦頭部計数タスクにおけるMAEとRMSEの3.85と5.19をそれぞれ達成し, 他の最先端手法に比べてパラメータが有意に少ない。
  論文  参考訳（メタデータ） (2021-03-17T02:38:58Z)
• High-Throughput Image-Based Plant Stand Count Estimation Using Convolutional Neural Networks [23.67862313758282]
  早期の表現学的段階における画像ベースコーンスタンド数に対するディープラーニングに基づくアプローチであるDeepStandを提案する。 提案手法はトウモロコシの立ち位置を計測し,他の最先端の方法よりも優れる。
  論文  参考訳（メタデータ） (2020-10-23T17:28:29Z)
• 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)
• Rectified Meta-Learning from Noisy Labels for Robust Image-based Plant Disease Diagnosis [64.82680813427054]
  植物病は食料安全保障と作物生産に対する主要な脅威の1つである。 1つの一般的なアプローチは、葉画像分類タスクとしてこの問題を変換し、強力な畳み込みニューラルネットワーク(CNN)によって対処できる。 本稿では,正規化メタ学習モジュールを共通CNNパラダイムに組み込んだ新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2020-03-17T09:51:30Z)

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。