Fugu-MT 論文翻訳(概要): GuavaNet: A deep neural network architecture for automatic sensory evaluation to predict degree of acceptability for Guava by a consumer

論文の概要: GuavaNet: A deep neural network architecture for automatic sensory evaluation to predict degree of acceptability for Guava by a consumer

arxiv url: http://arxiv.org/abs/2108.02563v1
Date: Mon, 5 Jul 2021 20:13:37 GMT
ステータス: 処理完了
システム内更新日: 2021-08-08 11:00:27.726133
Title: GuavaNet: A deep neural network architecture for automatic sensory evaluation to predict degree of acceptability for Guava by a consumer
Title（参考訳）: GuavaNet: 消費者によるGuavaのアクセシビリティの程度を予測するための感覚自動評価のためのディープニューラルネットワークアーキテクチャ
Authors: Vipul Mehra
Abstract要約: Part I: Analysis of Fruits, Vegetables, Cheese and Fish based on Image Processing using Computer Vision and Deep Learning: A Review Part II: GuavaNet: 消費者によるGuavaのアクセシビリティの程度を予測するための、自動感覚評価のためのディープニューラルネットワークアーキテクチャ。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: This thesis is divided into two parts:Part I: Analysis of Fruits, Vegetables, Cheese and Fish based on Image Processing using Computer Vision and Deep Learning: A Review. It consists of a comprehensive review of image processing, computer vision and deep learning techniques applied to carry out analysis of fruits, vegetables, cheese and fish.This part also serves as a literature review for Part II.Part II: GuavaNet: A deep neural network architecture for automatic sensory evaluation to predict degree of acceptability for Guava by a consumer. This part introduces to an end-to-end deep neural network architecture that can predict the degree of acceptability by the consumer for a guava based on sensory evaluation.
Abstract（参考訳）: 第1部:コンピュータビジョンとディープラーニングを用いた画像処理に基づく果実・野菜・チーズ・魚の分析:レビュー。画像処理,コンピュータビジョン,深層学習技術の総合的なレビューからなり,果物,野菜,チーズ,魚の分析を行う。第2部は,第2部:guavanet: a deep neural network architecture for automatic sensory evaluation(自動知覚評価のための深層ニューラルネットワークアーキテクチャ)の文献レビューとしても機能する。本稿では,感覚評価に基づくグアバの消費者の受容度を予測可能な,エンドツーエンドのディープニューラルネットワークアーキテクチャを紹介する。

関連論文リスト

Food Ingredients Recognition through Multi-label Learning [0.0]
ダイエット自動評価システムにおいて, 食材中のさまざまな食材を識別する能力は重要な決定要因である。我々は,料理画像中の任意の成分を検出するために,深層多ラベル学習アプローチを採用し,最先端のニューラルネットワークを評価した。
論文参考訳（メタデータ） (2022-10-24T10:18:26Z)
Introspective Learning : A Two-Stage Approach for Inference in Neural Networks [18.32369721322249]
我々は、ニューラルネットワークの意思決定プロセスの2つの段階を提唱する。ひとつは、既存のフィードフォワード推論フレームワークで、与えられたデータのパターンを検知し、以前に学習したパターンと関連付ける。 2つ目は、利用可能なすべての選択肢を考慮し、評価することで、フィードフォワードの決定を反映するようにネットワークに要求する、遅いリフレクションステージである。
論文参考訳（メタデータ） (2022-09-17T23:31:03Z)
Deep Neural Network Pruning for Nuclei Instance Segmentation in Hematoxylin & Eosin-Stained Histological Images [2.137877631340496]
プルーニングディープニューラルネットワーク(DNN)は、精度と一般化能力を改善するために多くの注目を集めている。本研究では, 階層的, ネットワーク規模のプルーニング技術が組織像の核インスタンス分割性能に及ぼす影響について検討する。
論文参考訳（メタデータ） (2022-06-15T09:52:41Z)
Measuring the Ripeness of Fruit with Hyperspectral Imaging and Deep Learning [14.853897011640022]
本稿では,ハイパースペクトルカメラとディープニューラルネットワークアーキテクチャを用いて果実の熟度を計測するシステムを提案する。このアーキテクチャは、成熟状態の予測において、競合するベースラインモデルに勝った。
論文参考訳（メタデータ） (2021-04-20T07:43:19Z)
Sparse Auxiliary Networks for Unified Monocular Depth Prediction and Completion [56.85837052421469]
コスト効率のよいセンサで得られたデータからシーン形状を推定することは、ロボットや自動運転車にとって鍵となる。本稿では,1枚のRGB画像から,低コストな能動深度センサによるスパース計測により,深度を推定する問題について検討する。 sparse networks (sans) は,深さ予測と完了という2つのタスクをmonodepthネットワークで実行可能にする,新しいモジュールである。
論文参考訳（メタデータ） (2021-03-30T21:22:26Z)
Learning to Segment Human Body Parts with Synthetically Trained Deep Convolutional Networks [58.0240970093372]
本稿では,合成データのみを用いて学習した深部畳み込みニューラルネットワークに基づく人体部分分割のための新しい枠組みを提案する。提案手法は,人体部品の実際の注釈付きデータを用いてモデルを訓練することなく,最先端の結果が得られる。
論文参考訳（メタデータ） (2021-02-02T12:26:50Z)
SOSD-Net: Joint Semantic Object Segmentation and Depth Estimation from Monocular images [94.36401543589523]
これら2つのタスクの幾何学的関係を利用するための意味的対象性の概念を紹介します。次に, 対象性仮定に基づくセマンティックオブジェクト・深さ推定ネットワーク(SOSD-Net)を提案する。私たちの知識を最大限に活用するために、SOSD-Netは同時単眼深度推定とセマンティックセグメンテーションのためのジオメトリ制約を利用する最初のネットワークです。
論文参考訳（メタデータ） (2021-01-19T02:41:03Z)
Identifying and interpreting tuning dimensions in deep networks [83.59965686504822]
チューニングディメンションは、ニューロン群の活性化分散の大部分を占める刺激特性である。この研究は、ディープ・ネットワークにおける「チューニング・ディメンション」を特定し解釈するための教師なしのフレームワークに貢献している。
論文参考訳（メタデータ） (2020-11-05T21:26:03Z)
NAS-Navigator: Visual Steering for Explainable One-Shot Deep Neural Network Synthesis [53.106414896248246]
本稿では,分析者がドメイン知識を注入することで,解のサブグラフ空間を効果的に構築し,ネットワーク探索をガイドするフレームワークを提案する。このテクニックを反復的に適用することで、アナリストは、与えられたアプリケーションに対して最高のパフォーマンスのニューラルネットワークアーキテクチャに収束することができる。
論文参考訳（メタデータ） (2020-09-28T01:48:45Z)
Towards Deeper Graph Neural Networks [63.46470695525957]
グラフ畳み込みは近傍の集約を行い、最も重要なグラフ操作の1つである。いくつかの最近の研究で、この性能劣化は過度に滑らかな問題に起因している。本研究では,大きな受容領域からの情報を適応的に組み込むディープ適応グラフニューラルネットワーク(DAGNN)を提案する。
論文参考訳（メタデータ） (2020-07-18T01:11:14Z)
Detection and Retrieval of Out-of-Distribution Objects in Semantic Segmentation [9.496524884855559]
本稿では,深層ニューラルネットワークの予測を用いて,分布外セグメント(OOD)を検出するセマンティックセグメンテーションのための新しいパイプラインを提案する。実験では,デプロイされたOODアプローチがアウト・オブ・ディストリビューションの概念を検出するのに適していることを示した。
論文参考訳（メタデータ） (2020-05-14T09:21:14Z)

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。