論文の概要: Multispectral Vineyard Segmentation: A Deep Learning approach

• arxiv url: http://arxiv.org/abs/2108.01200v2
• Date: Thu, 5 Aug 2021 11:27:34 GMT
• ステータス: 処理完了
• システム内更新日: 2021-08-06 13:08:51.768556
• Title: Multispectral Vineyard Segmentation: A Deep Learning approach
• Title（参考訳）: Multispectral Vineyard Segmentation: ディープラーニングアプローチ
• Authors: T. Barros, P. Conde, G. Gon\c{c}alves, C. Premebida, M. Monteiro, C.S.S. Ferreira, U.J. Nunes
• Abstract要約: デジタル農業は、自動化とコンピュータインテリジェンスの発展により、ここ数年で大きく発展してきた。 本稿では,実世界のブドウ園におけるブドウ検出のためのセマンティックセグメンテーションについて述べる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Digital agriculture has evolved significantly over the last few years due to the technological developments in automation and computational intelligence applied to the agricultural sector, including vineyards which are a relevant crop in the Mediterranean region. In this paper, a study of semantic segmentation for vine detection in real-world vineyards is presented by exploring state-of-the-art deep segmentation networks and conventional unsupervised methods. Camera data was collected on vineyards using an Unmanned Aerial System (UAS) equipped with a dual imaging sensor payload, namely a high-resolution color camera and a five-band multispectral and thermal camera. Extensive experiments of the segmentation networks and unsupervised methods have been performed on multimodal datasets representing three distinct vineyards located in the central region of Portugal. The reported results indicate that the best segmentation performances are obtained with deep networks, while traditional (non-deep) approaches using the NIR band shown competitive results. The results also show that multimodality slightly improves the performance of vine segmentation but the NIR spectrum alone generally is sufficient on most of the datasets. The code and dataset are publicly available on https://github.com/Cybonic/DL_vineyard_segmentation_study.git
• Abstract（参考訳）: デジタル農業は、地中海地域の関連作物であるブドウ園を含む農業分野に適用される自動化と計算知能の技術的発展により、ここ数年で大きく発展してきた。 本稿では, 実世界のブドウ畑におけるワイン検出のためのセマンティックセグメンテーションについて, 最先端のディープセグメンテーションネットワークと従来の教師なし手法を探索して検討する。 カメラデータは、高解像度カラーカメラと5バンドマルチスペクトル熱カメラを備えたデュアルイメージングセンサーペイロードを備えた無人航空システム(UAS)を用いて、ブドウ園で収集された。 ポルトガル中部の3つの異なるブドウ畑を表すマルチモーダルデータセットでは、セグメンテーションネットワークと教師なしの方法の広範な実験が行われている。 また,NIRバンドを用いた従来の(ディープでない)アプローチは競争力のある結果を示した。 また, マルチモーダリティはブドウのセグメンテーションの性能をわずかに向上させるが, NIRスペクトルだけではほとんどのデータセットで十分であることがわかった。 コードとデータセットはhttps://github.com/Cybonic/DL_vineyard_segmentation_study.gitで公開されている。

関連論文リスト

• Plant detection from ultra high resolution remote sensing images: A Semantic Segmentation approach based on fuzzy loss [2.6489824612123716]
  超高解像度(UHR)リモートセンシング画像から植物種を識別する課題に取り組む。 我々のアプローチは、ミリレベルの空間分解能を特徴とするRGBリモートセンシングデータセットの導入である。 UHRデータセットと公開データセットの両方で得られた最初の実験結果が提示され、提案手法の妥当性が示された。
  論文  参考訳（メタデータ） (2024-08-31T17:40:17Z)
• Multi-view Aggregation Network for Dichotomous Image Segmentation [76.75904424539543]
  Dichotomous Image (DIS) は近年,高解像度自然画像からの高精度物体分割に向けて出現している。 既存の手法は、グローバルなローカライゼーションと局所的な洗練を徐々に完了させるために、退屈な複数のエンコーダ・デコーダストリームとステージに依存している。 これに触発されて、我々は多視点オブジェクト認識問題としてdisをモデル化し、擬似多視点アグリゲーションネットワーク(MVANet)を提供する。 一般的なdis-5Kデータセットの実験では、我々のMVANetは精度と速度の両方で最先端の手法を大きく上回っている。
  論文  参考訳（メタデータ） (2024-04-11T03:00:00Z)
• Joint Depth Prediction and Semantic Segmentation with Multi-View SAM [59.99496827912684]
  我々は,Segment Anything Model(SAM)のリッチなセマンティック特徴を利用した深度予測のためのマルチビューステレオ(MVS)手法を提案する。 この拡張深度予測は、Transformerベースのセマンティックセグメンテーションデコーダのプロンプトとして役立ちます。
  論文  参考訳（メタデータ） (2023-10-31T20:15:40Z)
• Multispectral Image Segmentation in Agriculture: A Comprehensive Study on Fusion Approaches [0.9790238684654974]
  本稿では, 農業分野における分断プロセスを強化するために, 融合アプローチの利用に焦点をあてる。 本研究では,RGBとNDVIを入力として組み合わせ,異なる融合手法を比較した。 実験により,エッジ検出やしきい値設定などの手法を応用した古典的セグメンテーション手法が,DLベースのアルゴリズムと効果的に競合できることが明らかになった。
  論文  参考訳（メタデータ） (2023-07-31T21:24:41Z)
• Deep Learning Techniques for Hyperspectral Image Analysis in Agriculture: A Review [7.656687125171926]
  本稿では, 自動エンコーダ, 会話型ニューラルネットワーク (1D, 2D, 3D) , リカレントニューラルネットワーク, ディープリーフネットワーク, ジェネレーション適応型ネットワークなど,近年のディープラーニングアプローチを概観する。 これらの手法の性能は、インドパインズ、サリナスバレー、パヴィア大学など、よく知られた土地被覆データセットで評価され議論されている。
  論文  参考訳（メタデータ） (2023-04-26T23:58:18Z)
• Extended Agriculture-Vision: An Extension of a Large Aerial Image Dataset for Agricultural Pattern Analysis [11.133807938044804]
  農業ビジョンデータセットの改良版(Chiu et al., 2020b)をリリースする。 このデータセットは,3600大,高解像度(10cm/ピクセル),フルフィールド,赤緑色,近赤外画像の事前トレーニングにより拡張する。 下流分類とセマンティックセグメンテーションの両タスクにおいて、異なるコントラスト学習アプローチをベンチマークすることで、このデータの有用性を実証する。
  論文  参考訳（メタデータ） (2023-03-04T17:35:24Z)
• Semantic Segmentation of Vegetation in Remote Sensing Imagery Using Deep Learning [77.34726150561087]
  本稿では,公開されているリモートセンシングデータからなるマルチモーダル・大規模時間データセットを作成するためのアプローチを提案する。 我々は、異なる種類の植生を分離できる畳み込みニューラルネットワーク(CNN)モデルを使用する。
  論文  参考訳（メタデータ） (2022-09-28T18:51:59Z)
• Aerial Images Meet Crowdsourced Trajectories: A New Approach to Robust Road Extraction [110.61383502442598]
  我々は、Cross-Modal Message Propagation Network (CMMPNet)と呼ばれる新しいニューラルネットワークフレームワークを紹介する。 CMMPNetは、モダリティ固有の表現学習のための2つのディープオートエンコーダと、クロスモーダル表現洗練のためのテーラー設計のデュアルエンハンスメントモジュールで構成されている。 実世界の3つのベンチマーク実験により, CMMPNetによる堅牢な道路抽出の有効性が示された。
  論文  参考訳（メタデータ） (2021-11-30T04:30:10Z)
• MD-CSDNetwork: Multi-Domain Cross Stitched Network for Deepfake Detection [80.83725644958633]
  現在のディープフェイク生成法では、偽画像やビデオの周波数スペクトルに識別的アーティファクトが残されている。 MD-CSDNetwork(MD-CSDNetwork)と呼ばれる新しい手法を提案する。
  論文  参考訳（メタデータ） (2021-09-15T14:11:53Z)
• Semi-Supervised Semantic Segmentation in Earth Observation: The MiniFrance Suite, Dataset Analysis and Multi-task Network Study [82.02173199363571]
  我々は,地球観測における半教師付きセマンティックセマンティックセグメンテーションのための新しい大規模データセット,MiniFranceスイートを紹介した。 MiniFranceにはいくつかの前例のない特性があり、2000以上の超高解像度の空中画像を含み、200億枚以上のサンプル(ピクセル)を処理している。 外観の類似性やMiniFranceデータの徹底的な研究からデータ代表性分析のためのツールを提案し,半教師付き環境での学習や一般化に適していることを示す。
  論文  参考訳（メタデータ） (2020-10-15T15:36:58Z)
• Effective Data Fusion with Generalized Vegetation Index: Evidence from Land Cover Segmentation in Agriculture [16.329286069367093]
  本稿では,植生関連コンピュータビジョンタスクに対するモデルに依存しないデータ融合手法を提案する。 各種植生指標 (VIs) に触発され, リモートセンシングに広く用いられているVIsを系統的に検討し, 深層ニューラルネットワークに組み込む可能性について検討した。 我々のアプローチでは、植生関連クラスのIoUを0.9-1.3%改善し、mIoU全体の2%をベースラインで継続的に改善しています。
  論文  参考訳（メタデータ） (2020-05-07T20:41:20Z)

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。