論文の概要: Performance Analysis of Optimizers for Plant Disease Classification with
Convolutional Neural Networks
- arxiv url: http://arxiv.org/abs/2011.04056v2
- Date: Tue, 22 Dec 2020 07:10:05 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-28 08:37:24.576117
- Title: Performance Analysis of Optimizers for Plant Disease Classification with
Convolutional Neural Networks
- Title(参考訳): 畳み込みニューラルネットワークを用いた植物疾患分類のための最適化器の性能解析
- Authors: Shreyas Rajesh Labhsetwar, Soumya Haridas, Riyali Panmand, Rutuja
Deshpande, Piyush Arvind Kolte, Sandhya Pati
- Abstract要約: 害虫や病気による作物の失敗はインド農業に固有のものであり、毎年15から25%の生産性が失われている。
本研究はコンボリューショナル・ネットワークを用いて3つの作物の植物や植物の葉のサンプルを15クラスに分類する。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Crop failure owing to pests & diseases are inherent within Indian
agriculture, leading to annual losses of 15 to 25% of productivity, resulting
in a huge economic loss. This research analyzes the performance of various
optimizers for predictive analysis of plant diseases with deep learning
approach. The research uses Convolutional Neural Networks for classification of
farm or plant leaf samples of 3 crops into 15 classes. The various optimizers
used in this research include RMSprop, Adam and AMSgrad. Optimizers Performance
is visualised by plotting the Training and Validation Accuracy and Loss curves,
ROC curves and Confusion Matrix. The best performance is achieved using Adam
optimizer, with the maximum validation accuracy being 98%. This paper focuses
on the research analysis proving that plant diseases can be predicted and
pre-empted using deep learning methodology with the help of satellite, drone
based or mobile based images that result in reducing crop failure and
agricultural losses.
- Abstract(参考訳): 害虫と病気による作物の失敗はインドの農業に固有のものであり、年間生産性の15から25%の損失をもたらし、大きな経済的損失をもたらす。
本研究は, 深層学習による植物病の予測解析における各種最適化器の性能解析である。
この研究は畳み込みニューラルネットワークを使用して、3つの作物の植物葉サンプルを15のクラスに分類する。
この研究で使用される様々なオプティマイザには、RMSprop、Adam、AMSgradなどがある。
最適化性能は、トレーニングと検証の精度と損失曲線、ROC曲線、融合行列をプロットすることによって可視化される。
最高の性能はadam optimizerを使用して達成され、最大検証精度は98%である。
本稿では,衛星,ドローン,移動体画像を用いた深層学習手法を用いて,植物病の予測とプリエンプションが可能であることを示す研究分析に焦点を当てた。
関連論文リスト
- The Effect of Different Optimization Strategies to Physics-Constrained
Deep Learning for Soil Moisture Estimation [5.804881282638357]
水輸送と水感知信号に関する物理に基づく原理を統合するために,物理制約付き深層学習(P-DL)フレームワークを提案する。
実験的な収束関数Adamsは、ミニバッチとフルバッチのトレーニングの両方において、他の最適化手法よりも優れていることを示す。
論文 参考訳(メタデータ) (2024-03-13T00:32:30Z) - Enhanced Droplet Analysis Using Generative Adversarial Networks [0.0]
本稿では,GAN(Generative Adversarial Network)を用いて,液滴の人工画像を生成する方法を提案する。
我々の知る限りでは、この研究は初めて、液滴の検出を増強するための生成モデルを用いたものである。
その重要性は、効率的な噴霧システムを構築するためにノズル設計を最適化することだけでなく、様々な精密農業作業において不十分なデータに対する共通の課題に対処することにある。
論文 参考訳(メタデータ) (2024-02-24T21:20:53Z) - PlantPlotGAN: A Physics-Informed Generative Adversarial Network for
Plant Disease Prediction [2.7409168462107347]
リアルな植生指標を持つ合成多スペクトルプロット画像を作成することができる物理インフォームド・ジェネレーティブ・モデルであるPlanetPlotGANを提案する。
その結果, PlantPlotGANから生成された合成画像はFr'echet開始距離に関して最先端の手法よりも優れていた。
論文 参考訳(メタデータ) (2023-10-27T16:56:28Z) - The effect of data augmentation and 3D-CNN depth on Alzheimer's Disease
detection [51.697248252191265]
この研究は、データハンドリング、実験設計、モデル評価に関するベストプラクティスを要約し、厳密に観察する。
我々は、アルツハイマー病(AD)の検出に焦点を当て、医療における課題のパラダイム的な例として機能する。
このフレームワークでは,3つの異なるデータ拡張戦略と5つの異なる3D CNNアーキテクチャを考慮し,予測15モデルを訓練する。
論文 参考訳(メタデータ) (2023-09-13T10:40:41Z) - 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) - Drug Synergistic Combinations Predictions via Large-Scale Pre-Training
and Graph Structure Learning [82.93806087715507]
薬物併用療法は、より有効で安全性の低い疾患治療のための確立された戦略である。
ディープラーニングモデルは、シナジスティックな組み合わせを発見する効率的な方法として登場した。
我々のフレームワークは、他のディープラーニングベースの手法と比較して最先端の結果を達成する。
論文 参考訳(メタデータ) (2023-01-14T15:07:43Z) - MetaRF: Differentiable Random Forest for Reaction Yield Prediction with
a Few Trails [58.47364143304643]
本稿では,反応収率予測問題に焦点をあてる。
筆者らはまず,数発の収量予測のために特別に設計された,注意に基づく識別可能なランダム森林モデルであるMetaRFを紹介した。
数発の学習性能を改善するために,さらに次元還元に基づくサンプリング手法を導入する。
論文 参考訳(メタデータ) (2022-08-22T06:40:13Z) - Rice Diseases Detection and Classification Using Attention Based Neural
Network and Bayesian Optimization [10.07637392589791]
水稲病はしばしば20~40%のコーパス生産損失を産出し、世界経済と密接に関連している。
そこで我々は,AIによる迅速かつ正確な疾患検出を実現するために,MobileNetの構造とアテンション機構に基づくADSNN-BOモデルを提案する。
モバイル対応の ADSNN-BO モデルは94.65% の精度を達成し,テスト対象のすべての最先端モデルを上回っている。
論文 参考訳(メタデータ) (2022-01-03T22:26:00Z) - Resource Planning for Hospitals Under Special Consideration of the
COVID-19 Pandemic: Optimization and Sensitivity Analysis [87.31348761201716]
新型コロナウイルス(covid-19)パンデミックのような危機は、医療機関にとって深刻な課題となる。
BaBSim.Hospitalは離散イベントシミュレーションに基づく容量計画ツールである。
BaBSim.Hospitalを改善するためにこれらのパラメータを調査し最適化することを目指しています。
論文 参考訳(メタデータ) (2021-05-16T12:38:35Z) - Predictive Analysis of Diabetic Retinopathy with Transfer Learning [0.0]
本稿では,糖尿病網膜症分類のためのCNNアーキテクチャの性能をトランスファーラーニングの助けを借りて検討する。
その結果,VGG 16モデルを用いた画像ネット重み付きトランスファー学習は,95%の精度で最高の分類性能を示した。
論文 参考訳(メタデータ) (2020-11-08T18:54:57Z) - Deep Learning for Virtual Screening: Five Reasons to Use ROC Cost
Functions [80.12620331438052]
深層学習は サイリコの何十億もの分子を 迅速にスクリーニングする 重要なツールとなりました
その重要性にもかかわらず、厳密なクラス不均衡、高い決定しきい値、いくつかのデータセットにおける基底真理ラベルの欠如など、これらのモデルのトレーニングにおいて重大な課題が続いている。
このような場合、クラス不均衡に対するロバスト性から、レシーバ動作特性(ROC)を直接最適化することを好んで論じる。
論文 参考訳(メタデータ) (2020-06-25T08:46:37Z)
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。