論文の概要: Global Wheat Head Dataset 2021: an update to improve the benchmarking wheat head localization with more diversity

• arxiv url: http://arxiv.org/abs/2105.07660v1
• Date: Mon, 17 May 2021 08:18:30 GMT
• ステータス: 処理完了
• システム内更新日: 2021-05-18 23:41:39.146629
• Title: Global Wheat Head Dataset 2021: an update to improve the benchmarking wheat head localization with more diversity
• Title（参考訳）: global wheat head dataset 2021: より多様性のあるベンチマークコムギの頭部局在性を改善するためのアップデート
• Authors: Etienne DAVID, Mario Serouart, Daniel Smith, Simon Madec, Kaaviya Velumani, Shouyang Liu, Xu Wang, Francisco Pinto Espinosa, Shahameh Shafiee, Izzat S. A. Tahir, Hisashi Tsujimoto, Shuhei Nasuda, Bangyou Zheng, Norbert Kichgessner, Helge Aasen, Andreas Hund, Pouria Sadhegi-Tehran, Koichi Nagasawa, Goro Ishikawa, S\'ebastien Dandrifosse, Alexis Carlier, Benoit Mercatoris, Ken Kuroki, Haozhou Wang, Masanori Ishii, Minhajul A. Badhon, Curtis Pozniak, David Shaner LeBauer, Morten Lilimo, Jesse Poland, Scott Chapman, Benoit de Solan, Fr\'ed\'eric Baret, Ian Stavness, Wei Guo
• Abstract要約: 2020年にGlobal Wheat Head Detectionデータセットが作成された。 それは4,700 RGBイメージから193,634ラベル小麦ヘッドを組み立てました。 GWHD 2021はhttp://www.global-wheat.com/で公開されている。
• 参考スコア（独自算出の注目度）: 9.783468248713321
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The Global Wheat Head Detection (GWHD) dataset was created in 2020 and has assembled 193,634 labelled wheat heads from 4,700 RGB images acquired from various acquisition platforms and 7 countries/institutions. With an associated competition hosted in Kaggle, GWHD has successfully attracted attention from both the computer vision and agricultural science communities. From this first experience in 2020, a few avenues for improvements have been identified, especially from the perspective of data size, head diversity and label reliability. To address these issues, the 2020 dataset has been reexamined, relabeled, and augmented by adding 1,722 images from 5 additional countries, allowing for 81,553 additional wheat heads to be added. We would hence like to release a new version of the Global Wheat Head Detection (GWHD) dataset in 2021, which is bigger, more diverse, and less noisy than the 2020 version. The GWHD 2021 is now publicly available at http://www.global-wheat.com/ and a new data challenge has been organized on AIcrowd to make use of this updated dataset.
• Abstract（参考訳）: global wheat head detection (gwhd)データセットは2020年に作成され、様々な買収プラットフォームから取得した4,700のrgb画像と7つの国/機関から193,634個のラベル付きコムギヘッドを収集した。 カグルで開催されたコンペティションで、GWHDはコンピュータビジョンと農業科学のコミュニティから注目を集めている。 2020年のこの最初の経験から、特にデータサイズ、頭部の多様性、ラベルの信頼性の観点から、改善のためのいくつかの道が特定されている。 これらの問題に対処するため、2020年のデータセットは5か国から1,722枚の画像を追加して再検査、緩和、拡張され、81,553個の小麦の頭を追加できるようになった。 したがって、2021年にGWHD(Global Wheat Head Detection)データセットの新バージョンをリリースしたいと考えています。 GWHD 2021は現在http://www.global-wheat.com/で公開されており、この更新データセットを使用するためにAIcrowd上で新たなデータチャレンジが実施された。

関連論文リスト

• AGBD: A Global-scale Biomass Dataset [18.976975819550173]
  衛星画像から地上バイオマスを推定するための既存のデータセットは限られている。 このデータセットは、GEDIミッションからのAGB参照データとSentinel-2とPALSAR-2の画像のデータを組み合わせる。 これには、密集した天蓋の高さマップ、標高マップ、土地被覆分類マップなど、事前処理された高水準の特徴が含まれている。 単一の行のコードで簡単にアクセスでき、グローバルなAGB推定への取り組みの確固たる基盤を提供する。
  論文  参考訳（メタデータ） (2024-06-07T13:34:17Z)
• 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)
• MIPI 2022 Challenge on RGB+ToF Depth Completion: Dataset and Report [92.61915017739895]
  本稿では,新しい画像センサと撮像アルゴリズムに着目した5つのトラックを含むMIPIの最初の課題を紹介する。 参加者にはTetrasRGBDという,高品質な合成RGB+Depthトレーニングデータ18万組と,混合ソースからの2.3万組のテストデータを含む,新たなデータセットが提供される。 最終結果は客観的指標と平均オピニオンスコア(MOS)を主観的に評価する。
  論文  参考訳（メタデータ） (2022-09-15T05:31:53Z)
• Traffic4cast at NeurIPS 2021 -- Temporal and Spatial Few-Shot Transfer Learning in Gridded Geo-Spatial Processes [61.16854022482186]
  NeurIPS 2019と2020のIARAI Traffic4castコンペティションでは、ニューラルネットワークが将来の交通条件を1時間以内に予測することに成功した。 U-Netsは、この複雑な現実世界の地理空間的プロセスにおいて、関連する特徴を抽出する能力を実証し、勝利したアーキテクチャであることが証明された。 コンペティションは2年間で10都市をカバーし、1012以上のGPSプローブデータから収集したデータを提供する。
  論文  参考訳（メタデータ） (2022-03-31T14:40:01Z)
• VisDrone-CC2020: The Vision Meets Drone Crowd Counting Challenge Results [186.53282837739548]
  私たちは大規模なデータセットを収集し、Vision Meets Drone Crowd Counting Challenge (VisDrone-CC 2020)を組織します。 収集されたデータセットは、トレーニング用の2460ドルの画像と、テスト用の900ドルの画像を含む3360ドルの画像で構成されている。 評価結果を詳細に分析し,課題を結論付ける。
  論文  参考訳（メタデータ） (2021-07-19T11:48:29Z)
• Helsinki Deblur Challenge 2021: description of photographic data [69.27922840261954]
  このデータセットはヘルシンキ・デブロワー・チャレンジ2021(HDC 2021)のために収集された。 同じターゲットの2つの同一のカメラによって撮影された2枚の画像を含むが、条件は異なる。 1台のカメラは常に焦点を合わせており、シャープで低ノイズの画像を生成し、もう1台のカメラはぼやけたノイズの多い画像を生成する。
  論文  参考訳（メタデータ） (2021-05-21T09:47:12Z)
• BLM-17m: A Large-Scale Dataset for Black Lives Matter Topic Detection on Twitter [25.881740515679393]
  我々は,1700万ツイートを含むトピック検出のためのラベル付きデータセットを提案する。 これらのツイートは、2020年5月25日から8月21日までの89日間に収集される。
  論文  参考訳（メタデータ） (2021-05-04T07:27:42Z)
• NELA-GT-2020: A Large Multi-Labelled News Dataset for The Study of Misinformation in News Articles [4.163860911052052]
  NELA-GT-2020には、2020年1月1日から12月31日までに収集された519の情報源から、約1.8万件のニュース記事が掲載されている。 データセットに含まれるのは、Media Bias/Fact Check (MBFC) のソースレベル基底真理ラベルで、複数の精度の次元をカバーしている。
  論文  参考訳（メタデータ） (2021-02-08T22:55:37Z)
• High-resolution land cover change from low-resolution labels: Simple baselines for the 2021 IEEE GRSS Data Fusion Contest [19.705851847633856]
  2021年IEEE GRSSデータフュージョンコンテストにおいて,土地被覆変化検出のための簡単なアルゴリズムを提案する。 コンテストのタスクは、マルチ解像度画像とラベルデータに基づいて、米国メリーランド州の研究エリアの高解像度(1m /ピクセル)の土地カバー変更マップを作成することです。
  論文  参考訳（メタデータ） (2021-01-04T18:33:47Z)
• SHARP 2020: The 1st Shape Recovery from Partial Textured 3D Scans Challenge Results [90.42321856720633]
  SHARP 2020は、生の不完全なデータから完全なテクスチャ化された3Dスキャンを復元するための、最初の挑戦とベンチマーク手法である。 補完的な課題は2つあり、ひとつは3Dスキャンで、もうひとつはジェネリックオブジェクトでである。 形状復元, テクスチャ再構築, 完成したデータの量とを共同で定量化するために, 新たな評価基準を提案する。
  論文  参考訳（メタデータ） (2020-10-26T12:05:56Z)
• Global Wheat Head Detection (GWHD) dataset: a large and diverse dataset of high resolution RGB labelled images to develop and benchmark wheat head detection methods [0.0]
  いくつかの研究は、高解像度RGB画像から小麦頭部を検出する方法を開発した。 観察条件における可変性、遺伝子型の違い、発達段階、頭向きはコンピュータビジョンにおける課題を表している。 我々はGWHD(Global Wheat Head Detection)データセットという,大規模で多種多様で多彩なデータセットを構築しました。 4700枚の高解像度のRGB画像と、世界中の複数の国から収集された190,000個のラベル付き小麦頭が含まれている。
  論文  参考訳（メタデータ） (2020-04-25T14:20:26Z)

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。