論文の概要: Deep Learning Techniques for In-Crop Weed Identification: A Review
- arxiv url: http://arxiv.org/abs/2103.14872v1
- Date: Sat, 27 Mar 2021 10:08:41 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-03 12:35:35.373993
- Title: Deep Learning Techniques for In-Crop Weed Identification: A Review
- Title（参考訳）: In-Crop雑草同定のためのディープラーニング技術:概観
- Authors: Kun Hu, Zhiyong Wang, Guy Coleman, Asher Bender, Tingting Yao, Shan
Zeng, Dezhen Song, Arnold Schumann, Michael Walsh
- Abstract要約: 本稿では,画像に基づく雑草検出における深層学習技術の最近の展開について概説する。
実運用可能な雑草検出手法の開発における課題を概説する。
- 参考スコア（独自算出の注目度）: 12.530038185721656
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Weeds are a significant threat to the agricultural productivity and the
environment. The increasing demand for sustainable agriculture has driven
innovations in accurate weed control technologies aimed at reducing the
reliance on herbicides. With the great success of deep learning in various
vision tasks, many promising image-based weed detection algorithms have been
developed. This paper reviews recent developments of deep learning techniques
in the field of image-based weed detection. The review begins with an
introduction to the fundamentals of deep learning related to weed detection.
Next, recent progresses on deep weed detection are reviewed with the discussion
of the research materials including public weed datasets. Finally, the
challenges of developing practically deployable weed detection methods are
summarized, together with the discussions of the opportunities for future
research.We hope that this review will provide a timely survey of the field and
attract more researchers to address this inter-disciplinary research problem.
- Abstract（参考訳）: 雑草は農業の生産性と環境にとって大きな脅威である。
持続可能な農業への需要の増加は、除草剤への依存を減らすことを目的とした正確な雑草防除技術の革新を促した。
様々な視覚タスクにおけるディープラーニングの大きな成功により、多くの有望な画像ベース雑草検出アルゴリズムが開発されている。
本稿では,画像に基づく雑草検出における深層学習技術の最近の展開について概説する。
このレビューは、雑草検出に関連する深層学習の基本を概説することから始まる。
次に, 深層雑草検出に関する最近の進歩を, 公共雑草データセットを含む研究資料について検討する。
最後に, 実際に展開可能な雑草検出手法を開発する上での課題と今後の研究の機会の議論をまとめ, この分野のタイムリーな調査を行い, 学際的な研究課題に対処する研究者を多く呼び寄せることを期待する。
関連論文リスト
- Semi-Supervised Weed Detection for Rapid Deployment and Enhanced Efficiency [2.8444649426160304]
本稿では,2つの主要成分からなる半教師付き雑草検出手法を提案する。
まず,異なる規模の雑草の特徴を捉えるために,マルチスケールの特徴表現手法を用いる。
第2に、トレーニング中にラベル付き画像の小さなセットを活用する適応的な擬似ラベル割り当て戦略を提案する。
論文 参考訳（メタデータ） (2024-05-12T23:34:06Z) - A Comprehensive Survey of Forgetting in Deep Learning Beyond Continual Learning [58.107474025048866]
蓄積とは、以前に獲得した知識の喪失または劣化を指す。
フォッテッティングは、深層学習における様々な研究領域でよく見られる現象である。
論文 参考訳（メタデータ） (2023-07-16T16:27:58Z) - 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) - A Review of Deep Learning-based Approaches for Deepfake Content
Detection [8.666909290293946]
ディープラーニング生成モデルの最近の進歩は、非常に説得力のある偽造画像やビデオを作成することができるという懸念を提起している。
本稿では,ディープラーニングを用いたコンテンツ検出に関する最近の研究を包括的にレビューする。
論文 参考訳（メタデータ） (2022-02-12T16:22:46Z) - 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) - Potato Crop Stress Identification in Aerial Images using Deep
Learning-based Object Detection [60.83360138070649]
本稿では, 深層ニューラルネットワークを用いたジャガイモの空中画像解析手法を提案する。
主な目的は、植物レベルでの健康作物とストレス作物の自動空間認識を実証することである。
実験により、フィールド画像中の健康植物とストレス植物を識別し、平均Dice係数0.74を達成できることを示した。
論文 参考訳（メタデータ） (2021-06-14T21:57:40Z) - A Survey of Deep Learning Techniques for Weed Detection from Images [4.96981595868944]
既存の深層学習に基づく雑草検出・分類手法を検討する。
その結果,ほとんどの研究が教師あり学習手法を適用し,高い分類精度を達成した。
過去の実験は、大量のラベル付きデータが利用できる場合に既に高い精度を達成している。
論文 参考訳（メタデータ） (2021-03-02T02:02:24Z) - A Survey on Deep Learning Techniques for Video Anomaly Detection [0.0]
本稿では,ディープラーニングを用いた異常検出の分野における最近の進歩について概観する。
ディープラーニングは、コンピュータビジョンや自然言語処理など、人工知能の多くの分野で成功している。
論文 参考訳（メタデータ） (2020-09-29T16:40:46Z) - Deep Learning for Anomaly Detection: A Review [150.9270911031327]
本稿では,3つの高レベルカテゴリと11の細粒度カテゴリの進歩を網羅した包括的分類法による深部異常検出の研究について調査する。
我々は、それらの重要な直観、客観的機能、基礎となる仮定、利点とデメリットをレビューし、上記の課題にどのように対処するかについて議論する。
論文 参考訳（メタデータ） (2020-07-06T02:21:16Z) - Computer Vision with Deep Learning for Plant Phenotyping in Agriculture:
A Survey [25.365163119362045]
精密農業技術により、ステークホルダーは効果的でカスタマイズされた作物管理の決定を行うことができる。
植物の表現型付け技術は、正確な作物モニタリングにおいて重要な役割を担っている。
本調査は,植物表現学における技術研究の現状を読者に紹介することを目的としている。
論文 参考訳（メタデータ） (2020-06-18T14:21:19Z) - Survey of Network Intrusion Detection Methods from the Perspective of
the Knowledge Discovery in Databases Process [63.75363908696257]
本稿では,侵入検知器の開発を目的として,ネットワークデータに適用された手法について概説する。
本稿では,データのキャプチャ,準備,変換,データマイニング,評価などの手法について論じる。
この文献レビューの結果、ネットワークセキュリティ分野のさらなる研究のために考慮すべきいくつかのオープンな問題について検討する。
論文 参考訳（メタデータ） (2020-01-27T11:21:05Z)
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。