論文の概要: SWP-LeafNET: A novel multistage approach for plant leaf identification
based on deep CNN
- arxiv url: http://arxiv.org/abs/2009.05139v2
- Date: Wed, 17 Aug 2022 20:52:20 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-20 03:19:02.655196
- Title: SWP-LeafNET: A novel multistage approach for plant leaf identification
based on deep CNN
- Title（参考訳）: swp-leafnet:深層cnnに基づく植物葉同定のための新しい多段階的アプローチ
- Authors: Ali Beikmohammadi, Karim Faez, Ali Motallebi
- Abstract要約: 葉分類は、植物種の自動識別のためのコンピュータビジョンタスクである。
近年、研究者は深層学習に基づく手法に傾倒している。
本稿では,植物学者の行動が葉の識別においてモデル化され,行動類似度を最大化するための高効率な手法を提案する。
- 参考スコア（独自算出の注目度）: 1.9981375888949475
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Modern scientific and technological advances allow botanists to use computer
vision-based approaches for plant identification tasks. These approaches have
their own challenges. Leaf classification is a computer-vision task performed
for the automated identification of plant species, a serious challenge due to
variations in leaf morphology, including its size, texture, shape, and
venation. Researchers have recently become more inclined toward deep
learning-based methods rather than conventional feature-based methods due to
the popularity and successful implementation of deep learning methods in image
analysis, object recognition, and speech recognition.
In this paper, to have an interpretable and reliable system, a botanist's
behavior is modeled in leaf identification by proposing a highly-efficient
method of maximum behavioral resemblance developed through three deep
learning-based models. Different layers of the three models are visualized to
ensure that the botanist's behavior is modeled accurately. The first and second
models are designed from scratch. Regarding the third model, the pre-trained
architecture MobileNetV2 is employed along with the transfer-learning
technique. The proposed method is evaluated on two well-known datasets: Flavia
and MalayaKew. According to a comparative analysis, the suggested approach is
more accurate than hand-crafted feature extraction methods and other deep
learning techniques in terms of 99.67% and 99.81% accuracy. Unlike conventional
techniques that have their own specific complexities and depend on datasets,
the proposed method requires no hand-crafted feature extraction. Also, it
increases accuracy as compared with other deep learning techniques. Moreover,
SWP-LeafNET is distributable and considerably faster than other methods because
of using shallower models with fewer parameters asynchronously.
- Abstract（参考訳）: 現代の科学的および技術的進歩により、植物学者は植物識別タスクにコンピュータビジョンに基づくアプローチを使用することができる。
これらのアプローチには独自の課題がある。
葉の分類は、植物種の自動識別のために行われるコンピュータビジョンのタスクであり、その大きさ、テクスチャ、形状、静脈など、葉の形態の変化による深刻な課題である。
近年,画像解析,物体認識,音声認識における深層学習手法の普及と実装の成功により,従来の特徴ベース手法よりも深層学習方式への傾きが高まっている。
本稿では,3つの深層学習モデルを用いて開発された最大行動類似性の高効率な手法を提案することで,植物学者の行動を葉識別でモデル化する。
3つのモデルの異なる層が可視化され、植物学者の行動が正確にモデル化されるようにする。
第1と第2のモデルはゼロから設計されている。
第3のモデルでは、事前トレーニングされたアーキテクチャであるMobileNetV2が転送学習技術と共に採用されている。
提案手法は,flavia と malayakew の2つのよく知られたデータセット上で評価される。
比較分析によると、提案手法は、99.67%と99.81%の精度で手作りの特徴抽出法や他のディープラーニング手法よりも正確である。
独自の複雑さを持ち、データセットに依存する従来の手法とは異なり、提案手法では手作りの特徴抽出は不要である。
また、他のディープラーニング技術と比べて精度が向上する。
さらに、swp-leafnetは他のメソッドよりも分散可能で、非同期にパラメータの少ない浅いモデルを使うため、かなり高速である。
関連論文リスト
- Harnessing Diffusion Models for Visual Perception with Meta Prompts [68.78938846041767]
本稿では,視覚知覚タスクの拡散モデルを用いた簡易かつ効果的な手法を提案する。
学習可能な埋め込み(メタプロンプト)を事前学習した拡散モデルに導入し、知覚の適切な特徴を抽出する。
提案手法は,NYU 深度 V2 と KITTI の深度推定タスク,および CityScapes のセマンティックセグメンテーションタスクにおいて,新しい性能記録を実現する。
論文 参考訳（メタデータ） (2023-12-22T14:40:55Z) - Deep Learning for Plant Identification and Disease Classification from
Leaf Images: Multi-prediction Approaches [14.73818032506552]
本研究は,植物識別と病原性分類に関する最近の深層学習手法について調査する。
我々は、GSMo-CNN(Generalized Stacking Multi-output CNN)と呼ばれる新しいモデルを提案する。
提案したGSMo-CNNは,3つのベンチマークデータセット上で最先端のパフォーマンスを実現する。
論文 参考訳（メタデータ） (2023-10-25T01:06:18Z) - Gait Recognition in the Wild with Multi-hop Temporal Switch [81.35245014397759]
野生での歩行認識は、より実践的な問題であり、マルチメディアとコンピュータビジョンのコミュニティの注目を集めています。
本稿では,現実のシーンにおける歩行パターンの効果的な時間的モデリングを実現するために,新しいマルチホップ時間スイッチ方式を提案する。
論文 参考訳（メタデータ） (2022-09-01T10:46:09Z) - Rethinking Bayesian Learning for Data Analysis: The Art of Prior and
Inference in Sparsity-Aware Modeling [20.296566563098057]
信号処理と機械学習のためのスパースモデリングは、20年以上にわたって科学研究の焦点となっている。
本稿では,3つの一般的なデータモデリングツールにスパーシティ・プロモーティング・プリエントを組み込むことの最近の進歩を概観する。
論文 参考訳（メタデータ） (2022-05-28T00:43:52Z) - Semi-Supervised Adversarial Recognition of Refined Window Structures for
Inverse Procedural Fa\c{c}ade Modeling [17.62526990262815]
本稿では,逆手続きモデルに組み込んだ半教師付き対角認識戦略を提案する。
既存の3Dモデリングソフトウェアの内部に、単純なプロシージャエンジンが構築され、きめ細かい窓のジオメトリが生成される。
公開されているファサード画像データセットを用いた実験により、提案したトレーニング戦略により、分類精度が約10%向上できることが判明した。
論文 参考訳（メタデータ） (2022-01-22T06:34:48Z) - Partner-Assisted Learning for Few-Shot Image Classification [54.66864961784989]
人間の視覚能力を模倣し、徹底的な人間のアノテーションを必要とせずに効果的なモデルを学ぶために、わずかなショットラーニングが研究されている。
本稿では,新しいクラスのプロトタイプをラベル付きサンプルから推定できるように,要素表現を得るためのトレーニング戦略の設計に焦点をあてる。
本稿では,まずパートナーエンコーダのペアワイド類似性をモデル化し,ソフトアンカーとして機能する特徴を抽出し,その出力をソフトアンカーと整列させ,分類性能を最大化しようとする2段階トレーニング手法を提案する。
論文 参考訳（メタデータ） (2021-09-15T22:46:19Z) - An Effective Leaf Recognition Using Convolutional Neural Networks Based
Features [1.137457877869062]
本稿では,葉の認識に有効な手法を提案する。
葉はいくつかの前処理を経て、精製された色画像、静脈像、xy投影ヒストグラム、手作りの形状、テクスチャの特徴、フーリエディスクリプタを抽出する。
これらの属性は、サポートベクターマシン(SVM)モデルを使用して異なる葉を分類する前に、ニューラルネットワークベースのエンコーダによってより良い表現に変換される。
論文 参考訳（メタデータ） (2021-08-04T02:02:22Z) - Diverse Knowledge Distillation for End-to-End Person Search [81.4926655119318]
人物検索は、画像ギャラリーから特定の人物をローカライズし識別することを目的としている。
最近の手法は2つのグループ、すなわち2段階とエンドツーエンドのアプローチに分類できる。
ボトルネックを解消するために、多様な知識蒸留を備えたシンプルで強力なエンドツーエンドネットワークを提案します。
論文 参考訳（メタデータ） (2020-12-21T09:04:27Z) - How useful is Active Learning for Image-based Plant Phenotyping? [7.056477977834818]
本研究では,ディープラーニングモデルに必要なラベル付け量を削減し,予測性能を向上する能動的学習アルゴリズムを提案する。
アクティブラーニング手法は, 取得関数を用いてアノテートするサンプルを適応的に選択し, 固定ラベル付予算下での最大(分類)性能を実現する。
固定ラベル付け予算では、アクティブな学習ベースの獲得戦略を持つディープラーニングモデルの分類性能が、両方のデータセットに対するランダムサンプリングベースの獲得よりも優れていることが観察された。
論文 参考訳（メタデータ） (2020-06-07T20:32:42Z) - Two-View Fine-grained Classification of Plant Species [66.75915278733197]
本研究では,2視点の葉のイメージ表現に基づく新しい手法と,植物種の粒度認識のための階層的分類戦略を提案する。
シームズ畳み込みニューラルネットワークに基づく深度測定は、多数のトレーニングサンプルへの依存を減らし、新しい植物種に拡張性を持たせるために用いられる。
論文 参考訳（メタデータ） (2020-05-18T21:57:47Z) - 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。