論文の概要: Fine-Grained Visual Classification of Plant Species In The Wild: Object
Detection as A Reinforced Means of Attention
- arxiv url: http://arxiv.org/abs/2106.02141v1
- Date: Thu, 3 Jun 2021 21:22:18 GMT
- ステータス: 処理完了
- システム内更新日: 2021-06-07 15:05:15.579395
- Title: Fine-Grained Visual Classification of Plant Species In The Wild: Object
Detection as A Reinforced Means of Attention
- Title（参考訳）: 野生植物種の細粒度視覚分類:強化された注意手段としての物体検出
- Authors: Matthew R. Keaton, Ram J. Zaveri, Meghana Kovur, Cole Henderson,
Donald A. Adjeroh, Gianfranco Doretto
- Abstract要約: オブジェクト検出を注目の場として使うという考え方を探求し、データ変動の影響を緩和する。
そこで本研究では,植物器官検出に基づくボトムアップ手法を導入し,多様な臓器型分類器の予測を融合させる手法を提案する。
我々は,植物器官の検出と器官に基づく種同定を評価するために,長い尾の分布を持つ新しいデータセットをキュレートする。
- 参考スコア（独自算出の注目度）: 9.427845067849177
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Plant species identification in the wild is a difficult problem in part due
to the high variability of the input data, but also because of complications
induced by the long-tail effects of the datasets distribution. Inspired by the
most recent fine-grained visual classification approaches which are based on
attention to mitigate the effects of data variability, we explore the idea of
using object detection as a form of attention. We introduce a bottom-up
approach based on detecting plant organs and fusing the predictions of a
variable number of organ-based species classifiers. We also curate a new
dataset with a long-tail distribution for evaluating plant organ detection and
organ-based species identification, which is publicly available.
- Abstract（参考訳）: 野生における植物種の同定は、入力データの多様性が高いことや、データセット分布の長期的影響によって引き起こされる合併症によっても難しい問題である。
データ変動の影響を緩和するための注意に基づく最新の細粒度視覚分類アプローチに着想を得て,オブジェクト検出を注意の形式として用いるアイデアを考察した。
そこで本研究では,植物器官検出に基づくボトムアップ手法を導入し,多様な臓器型分類器の予測を融合させる。
また,植物器官検出および器官に基づく種同定のための長期分布を用いた新しいデータセットをキュレートし,公開している。
関連論文リスト
- High-Throughput Phenotyping using Computer Vision and Machine Learning [0.0]
我々はオークリッジ国立研究所が提供した1,672枚のPopulus Trichocarpaの画像と白ラベルで治療を行った。
光文字認識(OCR)は、植物上でこれらのラベルを読むために用いられた。
機械学習モデルを用いて,これらの分類に基づいて処理を予測し,解析されたEXIFタグを用いて葉の大きさと表現型間の相関を見いだした。
論文 参考訳（メタデータ） (2024-07-08T19:46:31Z) - All Thresholds Barred: Direct Estimation of Call Density in Bioacoustic
Data [1.7916003204531015]
本研究では,データ単位の呼び出し密度を推定するための検証手法を提案する。
我々はこれらの分布を用いて、分布シフトの対象となるサイトレベルの密度を予測する。
論文 参考訳（メタデータ） (2024-02-23T14:52:44Z) - Multi-task Explainable Skin Lesion Classification [54.76511683427566]
少ないラベル付きデータでよく一般化する皮膚病変に対する数発のショットベースアプローチを提案する。
提案手法は,アテンションモジュールや分類ネットワークとして機能するセグメンテーションネットワークの融合を含む。
論文 参考訳（メタデータ） (2023-10-11T05:49:47Z) - Bioinspired random projections for robust, sparse classification [0.0]
生物センシングシステムにおけるランダム・プロジェクションの利用に着想を得て,分類問題におけるデータ処理のための新しいアルゴリズムを提案する。
これはヒトの脳とショウジョウバエの嗅覚系の観察に基づいており、小さなエントリを切り離すためにキャップ操作を適用する前に、データを非常に大きな次元の空間にランダムに投影する。
論文 参考訳（メタデータ） (2022-06-18T15:24:20Z) - Persistent Animal Identification Leveraging Non-Visual Markers [71.14999745312626]
乱雑なホームケージ環境下で各マウスにユニークな識別子を時間をかけて発見し提供することを目的としている。
これは、(i)各マウスの視覚的特徴の区別の欠如、(ii)一定の閉塞を伴うシーンの密閉性のため、非常に難しい問題である。
本手法は, この動物識別問題に対して77%の精度を達成し, 動物が隠れているときの急激な検出を拒否することができる。
論文 参考訳（メタデータ） (2021-12-13T17:11:32Z) - SLA$^2$P: Self-supervised Anomaly Detection with Adversarial
Perturbation [77.71161225100927]
異常検出は、機械学習の基本的な問題であるが、難しい問題である。
本稿では,非教師付き異常検出のための新しい強力なフレームワークであるSLA$2$Pを提案する。
論文 参考訳（メタデータ） (2021-11-25T03:53:43Z) - Geo-Spatiotemporal Features and Shape-Based Prior Knowledge for
Fine-grained Imbalanced Data Classification [63.916371837696396]
細粒度分類は、類似のグローバル知覚とパターンを持つ項目を区別することを目的としているが、細部によって異なる。
私たちの主な課題は、小さなクラス間バリエーションと大きなクラス内バリエーションの両方から来ています。
我々は,野生生物の利用事例における細粒度分類を改善するため,いくつかの革新を組み合わせることを提案する。
論文 参考訳（メタデータ） (2021-03-21T02:01:38Z) - Mycorrhiza: Genotype Assignment usingPhylogenetic Networks [2.286041284499166]
遺伝子型代入問題に対する機械学習手法であるMycorrhizaを紹介する。
提案アルゴリズムは系統ネットワークを用いて,標本間の進化的関係を符号化する特徴を設計する。
Mycorrhizaは、大きな平均固定指数(FST)を持つデータセットやハーディ・ワインバーグ平衡からの偏差で特に顕著な利得を得る。
論文 参考訳（メタデータ） (2020-10-14T02:36:27Z) - 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) - Automatic image-based identification and biomass estimation of
invertebrates [70.08255822611812]
時間を要する分類と分類は、どれだけの昆虫を処理できるかに強い制限を課す。
我々は、人間の専門家による分類と識別の標準的な手動アプローチを、自動画像ベース技術に置き換えることを提案する。
分類タスクには最先端のResnet-50とInceptionV3 CNNを使用する。
論文 参考訳（メタデータ） (2020-02-05T21:38:57Z)
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。