論文の概要: A Deep Learning Approach Based on Graphs to Detect Plantation Lines
- arxiv url: http://arxiv.org/abs/2102.03213v1
- Date: Fri, 5 Feb 2021 14:56:42 GMT
- ステータス: 処理完了
- システム内更新日: 2021-02-08 14:40:17.747964
- Title: A Deep Learning Approach Based on Graphs to Detect Plantation Lines
- Title（参考訳）: プランテーションライン検出のためのグラフに基づく深層学習手法
- Authors: Diogo Nunes Gon\c{c}alves, Mauro dos Santos de Arruda, Hemerson
Pistori, Vanessa Jord\~ao Marcato Fernandes, Ana Paula Marques Ramos,
Danielle Elis Garcia Furuya, Lucas Prado Osco, Hongjie He, Jonathan Li,
Jos\'e Marcato Junior, Wesley Nunes Gon\c{c}alves
- Abstract要約: 本稿では,UAVを用いたRGB画像における植林線検出のためのグラフに基づく深層学習手法を提案する。
提案手法は最先端のディープラーニング手法と比較した。
精度、リコール、F1スコアはそれぞれ98.7%、91.9%、95.1%だった。
- 参考スコア（独自算出の注目度）: 16.76043873454695
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Deep learning-based networks are among the most prominent methods to learn
linear patterns and extract this type of information from diverse imagery
conditions. Here, we propose a deep learning approach based on graphs to detect
plantation lines in UAV-based RGB imagery presenting a challenging scenario
containing spaced plants. The first module of our method extracts a feature map
throughout the backbone, which consists of the initial layers of the VGG16.
This feature map is used as an input to the Knowledge Estimation Module (KEM),
organized in three concatenated branches for detecting 1) the plant positions,
2) the plantation lines, and 3) for the displacement vectors between the
plants. A graph modeling is applied considering each plant position on the
image as vertices, and edges are formed between two vertices (i.e. plants).
Finally, the edge is classified as pertaining to a certain plantation line
based on three probabilities (higher than 0.5): i) in visual features obtained
from the backbone; ii) a chance that the edge pixels belong to a line, from the
KEM step; and iii) an alignment of the displacement vectors with the edge, also
from KEM. Experiments were conducted in corn plantations with different growth
stages and patterns with aerial RGB imagery. A total of 564 patches with 256 x
256 pixels were used and randomly divided into training, validation, and
testing sets in a proportion of 60\%, 20\%, and 20\%, respectively. The
proposed method was compared against state-of-the-art deep learning methods,
and achieved superior performance with a significant margin, returning
precision, recall, and F1-score of 98.7\%, 91.9\%, and 95.1\%, respectively.
This approach is useful in extracting lines with spaced plantation patterns and
could be implemented in scenarios where plantation gaps occur, generating lines
with few-to-none interruptions.
- Abstract（参考訳）: 深層学習に基づくネットワークは、線形パターンを学習し、多様な画像条件からこの種の情報を抽出する最も顕著な方法の一つである。
本稿では,UAVを用いたRGB画像における植林線検出のためのグラフに基づく深層学習手法を提案する。
本手法の最初のモジュールは、VGG16の初期層からなるバックボーン全体の特徴マップを抽出します。
この特徴マップは、植物の位置を検出するために3つの連結枝で構成された知識推定モジュール(KEM)への入力として使用され、植物間の変位ベクトルのために2つのプランテーションライン、および3。
画像上の各植物位置を頂点としてグラフモデルを適用し、2つの頂点(すなわち、エッジ)間にエッジを形成する。
植物)。
最後に、エッジは、3つの確率(0.5以上)に基づいて特定のプランテーションラインに関連するものとして分類される:i)バックボーンから得られた視覚的特徴、ii)KEMステップから、エッジピクセルがラインに属している可能性、およびiii)KEMからも、エッジへの変位ベクトルのアライメント。
異なる成長段階と空中RGB画像のパターンを持つトウモロコシプランテーションで実験を行った。
256 x 256ピクセルの合計564パッチが使用され、ランダムにトレーニング、検証、テストセットにそれぞれ60\%、20\%、20\%の割合で分割された。
提案手法は最先端の深層学習法と比較し, 98.7\%, 91.9\%, 95.1\%の精度, リコール, F1-スコアをそれぞれ返送し, 有意なマージンで優れた性能を達成した。
このアプローチは、スペーシングされたプランテーションパターンを持つラインを抽出するのに有用であり、プランテーションギャップが発生するシナリオで実装でき、少ない割り込みでラインを生成することができる。
関連論文リスト
- Contour Context: Abstract Structural Distribution for 3D LiDAR Loop
Detection and Metric Pose Estimation [31.968749056155467]
本稿では,高精度な3DoF距離ポーズ推定を用いた簡易かつ効果的かつ効率的なトポロジカルループ閉包検出パイプラインを提案する。
我々は,3次元LiDAR点から投影されるBEV像を構造層分布として解釈する。
検索キーは、層状KD木でインデックスされたデータベースの検索を高速化するように設計されている。
論文 参考訳（メタデータ） (2023-02-13T07:18:24Z) - Eff-3DPSeg: 3D organ-level plant shoot segmentation using
annotation-efficient point clouds [1.5882586857953638]
本稿では,3次元植物撮影セグメンテーションのための弱教師付きフレームワーク Eff-3DPSeg を提案する。
大豆の高分解能点雲を低コストのフォトグラムシステムを用いて再構成した。
植物器官セグメンテーションのための弱教師付き深層学習法が提案された。
論文 参考訳（メタデータ） (2022-12-20T14:09:37Z) - GraphCSPN: Geometry-Aware Depth Completion via Dynamic GCNs [49.55919802779889]
本稿では,グラフ畳み込みに基づく空間伝搬ネットワーク(GraphCSPN)を提案する。
本研究では、幾何学的表現学習において、畳み込みニューラルネットワークとグラフニューラルネットワークを相補的に活用する。
提案手法は,数段の伝搬ステップのみを使用する場合と比較して,最先端の性能を実現する。
論文 参考訳（メタデータ） (2022-10-19T17:56:03Z) - Semantic keypoint-based pose estimation from single RGB frames [64.80395521735463]
一つのRGB画像からオブジェクトの連続6-DoFポーズを推定する手法を提案する。
このアプローチは、畳み込みネットワーク(convnet)によって予測されるセマンティックキーポイントと、変形可能な形状モデルを組み合わせる。
提案手法は,インスタンスベースのシナリオとクラスベースのシナリオの両方に対して,6-DoFオブジェクトのポーズを正確に復元できることを示す。
論文 参考訳（メタデータ） (2022-04-12T15:03:51Z) - Vegetation Stratum Occupancy Prediction from Airborne LiDAR 3D Point
Clouds [5.7047887413125276]
本研究では,空中プラットフォームから取得した3次元点雲から植生成層域の占有度を推定する新しい深層学習手法を提案する。
我々のネットワークは、ピクセルワイドやポイントワイドアノテーションよりも簡単に生成できる円筒状のプロットに集約された値で重畳されている。
本手法は,視覚的および解釈可能な予測を同時に提供しながら,手工芸と深層学習のベースラインを精度で上回る。
論文 参考訳（メタデータ） (2021-12-27T09:33:08Z) - Instance segmentation of fallen trees in aerial color infrared imagery
using active multi-contour evolution with fully convolutional network-based
intensity priors [0.5276232626689566]
画像のセグメンテーションマップ上での複数のアクティブな輪郭進化により、共通オブジェクトクラスのインスタンスをセグメンテーションするフレームワークを導入する。
高分解能空中多スペクトル画像から個々の落下茎を分割する文脈で提案されたフレームワークをインスタンス化する。
論文 参考訳（メタデータ） (2021-05-05T11:54:05Z) - A CNN Approach to Simultaneously Count Plants and Detect Plantation-Rows
from UAV Imagery [56.10033255997329]
畳み込みニューラルネットワーク(CNN)を用いた新しい深層学習手法を提案する。
高度に乾燥したプランテーション構成を考慮した植物を数えながら、同時にプランテーション・ロウを検出し、配置する。
提案手法は、異なる種類の作物のUAV画像において、植物と植物をカウントおよびジオロケートするための最先端の性能を達成した。
論文 参考訳（メタデータ） (2020-12-31T18:51:17Z) - Stem-leaf segmentation and phenotypic trait extraction of maize shoots
from three-dimensional point cloud [8.392251372468412]
本稿では, 骨格抽出, 骨格に基づく粗い部分分割, 茎葉分類に基づく細部分分割の3段階からなる自動茎葉分割法を提案する。
植物の高さ、樹冠径、茎の高さと直径、葉の幅と長さを含む6つの表現型パラメータを正確に自動測定することができる。
提案したアルゴリズムは、完全に拡張された葉だけでなく、新しい葉をまとめて閉じることもできる。
論文 参考訳（メタデータ） (2020-09-07T13:58:09Z) - 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) - MetricUNet: Synergistic Image- and Voxel-Level Learning for Precise CT
Prostate Segmentation via Online Sampling [66.01558025094333]
本稿では,前立腺領域を高速に局在させる第1段階と,前立腺領域を正確に区分する第2段階の2段階のフレームワークを提案する。
マルチタスクネットワークにおけるボクセルワイドサンプリングによる新しいオンラインメトリック学習モジュールを提案する。
本手法は,従来のクロスエントロピー学習法やDice損失学習法と比較して,より代表的なボクセルレベルの特徴を効果的に学習することができる。
論文 参考訳（メタデータ） (2020-05-15T10:37:02Z) - From Planes to Corners: Multi-Purpose Primitive Detection in Unorganized
3D Point Clouds [59.98665358527686]
直交平面の分割自由結合推定法を提案する。
このような統合されたシーン探索は、セマンティックプレーンの検出や局所的およびグローバルなスキャンアライメントといった、多目的のアプリケーションを可能にする。
本実験は,壁面検出から6次元トラッキングに至るまで,様々なシナリオにおいて,我々のアプローチの有効性を実証するものである。
論文 参考訳（メタデータ） (2020-01-21T06:51:47Z)
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。