論文の概要: CD&S Dataset: Handheld Imagery Dataset Acquired Under Field Conditions
for Corn Disease Identification and Severity Estimation
- arxiv url: http://arxiv.org/abs/2110.12084v1
- Date: Fri, 22 Oct 2021 22:33:51 GMT
- ステータス: 処理完了
- システム内更新日: 2021-10-26 15:41:17.468239
- Title: CD&S Dataset: Handheld Imagery Dataset Acquired Under Field Conditions
for Corn Disease Identification and Severity Estimation
- Title(参考訳): cd&sデータセット:トウモロコシ病の同定と重症度推定のためのフィールド条件下で取得したハンドヘルド画像データセット
- Authors: Aanis Ahmad, Dharmendra Saraswat, Aly El Gamal, and Gurmukh Johal
- Abstract要約: Corn Disease and Severityデータセットは、2112のフィールド画像と2343のAR画像からなる4455の画像で構成されている。
疾患識別モデルのトレーニングでは,各疾患の画像データの半分を境界ボックスを用いて注釈付けした。
重度推定のために, NLS用515個の原画像を取得し, 1(耐性)から5(感受性)までの重度分類に分類した。
- 参考スコア(独自算出の注目度): 5.949779668853555
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Accurate disease identification and its severity estimation is an important
consideration for disease management. Deep learning-based solutions for disease
management using imagery datasets are being increasingly explored by the
research community. However, most reported studies have relied on imagery
datasets that were acquired under controlled lab conditions. As a result, such
models lacked the ability to identify diseases in the field. Therefore, to
train a robust deep learning model for field use, an imagery dataset was
created using raw images acquired under field conditions using a handheld
sensor and augmented images with varying backgrounds. The Corn Disease and
Severity (CD&S) dataset consisted of 511, 524, and 562, field acquired raw
images, corresponding to three common foliar corn diseases, namely Northern
Leaf Blight (NLB), Gray Leaf Spot (GLS), and Northern Leaf Spot (NLS),
respectively. For training disease identification models, half of the imagery
data for each disease was annotated using bounding boxes and also used to
generate 2343 additional images through augmentation using three different
backgrounds. For severity estimation, an additional 515 raw images for NLS were
acquired and categorized into severity classes ranging from 1 (resistant) to 5
(susceptible). Overall, the CD&S dataset consisted of 4455 total images
comprising of 2112 field images and 2343 augmented images.
- Abstract(参考訳): 正確な病原性同定とその重症度推定は、疾患管理にとって重要な考察である。
画像データセットを用いたディープラーニングベースの疾病管理ソリューションは、研究コミュニティによってますます探究されている。
しかし、ほとんどの報告された研究は、制御された実験室条件下で取得された画像データセットに依存している。
その結果、このようなモデルは現場の病気を識別する能力に欠けていた。
そこで,フィールド利用のための頑健なディープラーニングモデルをトレーニングするために,手持ちセンサと背景の異なる拡張画像を用いて,フィールド条件下で取得した生画像を用いて画像データセットを作成した。
トウモロコシ病と重症度 (cd&s) データセットは511, 524, 562であり, 未熟なトウモロコシ病 (nlb), グレーリーフスポット (gls), ノーザンリーフスポット (nls) に対応する。
疾患識別モデルのトレーニングでは,各疾患の画像データの半分を境界ボックスを用いて注釈付けし,さらに3つの異なる背景を用いて2343個の追加画像を生成する。
重症度推定のために, NLS用515個の原画像を取得し, 1(耐性)から5(感受性)までの重度クラスに分類した。
CD&Sデータセットは、2112のフィールド画像と2343のAR画像からなる4455の合計画像で構成された。
関連論文リスト
- Large-scale Long-tailed Disease Diagnosis on Radiology Images [59.37561810438641]
本研究では,放射線画像における大規模大語彙疾患分類の問題点について検討する。
i)データセット構築では、39,026ケース(192,675スキャン)を含む930のユニークなICD-10-CMコードとリンクした5568の障害を含む、学術的にアクセス可能な大規模診断データセットを構築します。
さらに,本研究の最終モデルは事前学習モデルとして機能し,様々な外部データセットの診断に役立てることができる。
論文 参考訳(メタデータ) (2023-12-26T18:20:48Z) - On the notion of Hallucinations from the lens of Bias and Validity in
Synthetic CXR Images [0.35998666903987897]
拡散モデルのような生成モデルは、データ品質と臨床情報の格差を軽減することを目的としている。
スタンフォード大学の研究者たちは、医療画像データ拡張のための微調整された安定拡散モデル(RoentGen)の有用性を探求した。
我々はRoentGenを利用してChest-XRay(CXR)画像を生成し、バイアス、妥当性、幻覚の評価を行った。
論文 参考訳(メタデータ) (2023-12-12T04:41:20Z) - Cross-modulated Few-shot Image Generation for Colorectal Tissue
Classification [58.147396879490124]
XM-GANと名づけられた少数ショット生成法は,1塩基と1対の参照組織像を入力とし,高品質で多様な画像を生成する。
我々の知る限りでは、大腸組織像の少数ショット生成を最初に調査した人物である。
論文 参考訳(メタデータ) (2023-04-04T17:50:30Z) - Significantly improving zero-shot X-ray pathology classification via
fine-tuning pre-trained image-text encoders [51.14431540035141]
下流のゼロショット病理分類性能を改善するために,文サンプリングと正対損失緩和に基づく新たな微調整手法を提案する。
4種類の胸部X線データセットを用いてゼロショット病理分類性能を劇的に改善した。
論文 参考訳(メタデータ) (2022-12-14T06:04:18Z) - Detection of multiple retinal diseases in ultra-widefield fundus images
using deep learning: data-driven identification of relevant regions [2.20200533591633]
ウルトラワイドフィールド(UWF)イメージングは、より大きな網膜視野を撮影する有望なモダリティである。
過去の研究では、深層学習(DL)モデルがUWF画像の網膜疾患の検出に有効であることが示されている。
より現実的な条件下で複数の網膜疾患を認識できるDLモデルを提案する。
論文 参考訳(メタデータ) (2022-03-11T17:33:33Z) - REFUGE2 Challenge: Treasure for Multi-Domain Learning in Glaucoma
Assessment [45.41988445653055]
REFUGE2チャレンジでは、Zeiss、Canon、Kowa、Topconを含む4つのモデルの2000枚のカラー・ファンドイメージがリリースされた。
3つのサブタスクは緑内障分類、カップ/光ディスクセグメンテーション、黄斑葉の局在などの課題のために設計された。
この記事では、ファイナリストのメソッドを要約し、その結果を分析します。
論文 参考訳(メタデータ) (2022-02-18T02:56:21Z) - Where is the disease? Semi-supervised pseudo-normality synthesis from an
abnormal image [24.547317269668312]
現実的な擬似正規画像を生成するための半教師付き医用画像生成学習ネットワーク(SMILE)を提案する。
我々のモデルは、データ拡張タスクにおいて最大6%、高品質な画像の生成において最大3%、最先端のモデルよりも優れています。
論文 参考訳(メタデータ) (2021-06-24T05:56:41Z) - A Benchmark for Studying Diabetic Retinopathy: Segmentation, Grading,
and Transferability [76.64661091980531]
糖尿病患者は糖尿病網膜症(DR)を発症するリスクがある
コンピュータ支援型DR診断は、DRの早期検出と重度評価のための有望なツールである。
このデータセットは、ピクセルレベルのDR関連病変アノテーションを持つ1,842枚の画像と、6人の眼科医によって評価された画像レベルのラベルを持つ1,000枚の画像を有する。
論文 参考訳(メタデータ) (2020-08-22T07:48:04Z) - Deep Mining External Imperfect Data for Chest X-ray Disease Screening [57.40329813850719]
我々は、外部のCXRデータセットを組み込むことで、不完全なトレーニングデータにつながると論じ、課題を提起する。
本研究は,多ラベル病分類問題を重み付き独立二分課題として分類する。
我々のフレームワークは、ドメインとラベルの相違を同時にモデル化し、対処し、優れた知識マイニング能力を実現する。
論文 参考訳(メタデータ) (2020-06-06T06:48:40Z) - The Plant Pathology 2020 challenge dataset to classify foliar disease of
apples [0.0]
米国のリンゴ果樹園は、多くの病原体や昆虫から常に脅威にさらされている。病気管理の適正かつタイムリーな展開は、早期の疾患検出に依存している。
我々は,複数のリンゴ葉病の高画質・実生症状画像3,651枚を手作業で取得した。
リンゴの皮、スギのリンゴのさび、健康な葉のパイロットデータセットを作成するために専門家が注釈を付けたサブセットが、Kaggleコミュニティの'Plant Pathology Challenge'で利用可能になった。
論文 参考訳(メタデータ) (2020-04-24T19:36:37Z)
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。