論文の概要: Unsupervised deep learning techniques for powdery mildew recognition
based on multispectral imaging
- arxiv url: http://arxiv.org/abs/2112.11242v1
- Date: Mon, 20 Dec 2021 13:29:13 GMT
- ステータス: 処理完了
- システム内更新日: 2021-12-23 01:35:39.118219
- Title: Unsupervised deep learning techniques for powdery mildew recognition
based on multispectral imaging
- Title(参考訳): マルチスペクトルイメージングに基づく粉粒度認識のための教師なし深層学習技術
- Authors: Alessandro Benfenati, Paola Causin, Roberto Oberti, Giovanni
Stefanello
- Abstract要約: 本稿では,キュウリ葉の粉状ミドウを自動的に認識する深層学習手法を提案する。
マルチスペクトルイメージングデータに適用した教師なし深層学習技術に焦点をあてる。
本稿では, オートエンコーダアーキテクチャを用いて, 疾患検出のための2つの手法を提案する。
- 参考スコア(独自算出の注目度): 63.62764375279861
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Objectives. Sustainable management of plant diseases is an open challenge
which has relevant economic and environmental impact. Optimal strategies rely
on human expertise for field scouting under favourable conditions to assess the
current presence and extent of disease symptoms. This labor-intensive task is
complicated by the large field area to be scouted, combined with the
millimeter-scale size of the early symptoms to be detected. In view of this,
image-based detection of early disease symptoms is an attractive approach to
automate this process, enabling a potential high throughput monitoring at
sustainable costs.
Methods. Deep learning has been successfully applied in various domains to
obtain an automatic selection of the relevant image features by learning
filters via a training procedure. Deep learning has recently entered also the
domain of plant disease detection: following this idea, in this work we present
a deep learning approach to automatically recognize powdery mildew on cucumber
leaves. We focus on unsupervised deep learning techniques applied to
multispectral imaging data and we propose the use of autoencoder architectures
to investigate two strategies for disease detection: i) clusterization of
features in a compressed space; ii) anomaly detection.
Results. The two proposed approaches have been assessed by quantitative
indices. The clusterization approach is not fully capable by itself to provide
accurate predictions but it does cater relevant information. Anomaly detection
has instead a significant potential of resolution which could be further
exploited as a prior for supervised architectures with a very limited number of
labeled samples.
- Abstract(参考訳): 目的。
植物病の持続可能な管理は、経済的および環境的な影響をもたらすオープンチャレンジである。
最適な戦略は、現在の疾患症状の存在と程度を評価するのに好都合な条件下でのフィールドスカウトの人間的専門知識に依存している。
この労働集約的な作業は、スカウトすべき大野面積と、検出すべき早期症状のミリスケールの大きさとで複雑である。
これを踏まえて、画像による早期疾患の症状の検出は、このプロセスを自動化するための魅力的なアプローチであり、持続可能なコストで高いスループットの監視を可能にする。
メソッド。
さまざまな領域でディープラーニングが適用され、トレーニング手順を通じてフィルタを学習することにより、関連する画像特徴の自動選択が可能になる。
深層学習(Deep learning)は、植物病検出の分野にも最近参入した:このアイデアに続いて、この研究では、キュウリの葉に粉末状のミズーリを自動的に認識するディープラーニングアプローチを提案する。
本研究では,マルチスペクトルイメージングデータに適用する教師なし深層学習技術に着目し,オートエンコーダを用いた2つの疾患検出手法を提案する。
一 圧縮空間における特徴のクラスタ化
二 異常検出
結果だ
提案する2つのアプローチは定量的指標によって評価されている。
クラスタ化アプローチは、正確な予測を提供するためにそれ自体が完全には機能しないが、関連する情報を扱う。
異常検出は、非常に限られたラベル付きサンプルを持つ教師付きアーキテクチャの先行として、さらに活用される可能性がある。
関連論文リスト
- Exploring Deep Learning Techniques for Glaucoma Detection: A
Comprehensive Review [0.0]
緑内障は、世界中の視覚障害の主要な原因の1つである。
近年のディープラーニング手法の発展は緑内障検出の自動化の可能性を示している。
ディープラーニングアルゴリズムの使用は、緑内障検出の有効性、有用性、精度を大幅に向上させる可能性がある。
論文 参考訳(メタデータ) (2023-11-02T17:39:40Z) - Deep Learning and Computer Vision for Glaucoma Detection: A Review [0.8379286663107844]
緑内障は世界中で不可逆的な盲目の原因となっている。
コンピュータビジョンとディープラーニングの最近の進歩は、自動評価の可能性を示している。
眼底,光コヒーレンス断層撮影,視野画像を用いたAIによる緑内障の診断に関する最近の研究について調査した。
論文 参考訳(メタデータ) (2023-07-31T09:49:51Z) - An objective validation of polyp and instrument segmentation methods in
colonoscopy through Medico 2020 polyp segmentation and MedAI 2021
transparency challenges [58.402720481042365]
メディコオートマチックポリープセグメンテーション(Medico 2020)と「メディコ:医療画像の透明性(MedAI 2021)」コンペティション。
本報告では, それぞれのコントリビューションを包括的に分析し, ベストパフォーマンスメソッドの強さを強調し, クリニックへの臨床翻訳の可能性について考察する。
論文 参考訳(メタデータ) (2023-07-30T16:08:45Z) - Detecting Heart Disease from Multi-View Ultrasound Images via Supervised
Attention Multiple Instance Learning [5.8459640983757]
大動脈狭窄症 (Aortic stenosis, AS) は変性弁の状態であり、かなりの死亡率と死亡率を引き起こす。
AS検出に対する従来のアプローチでは、画像間の非フレキシブル平均に依存するため、精度が不十分であった。
2つの重要な方法論的革新とともに、新しいエンドツーエンドのMILアプローチに貢献する。
論文 参考訳(メタデータ) (2023-05-25T18:22:12Z) - Toward Robust Diagnosis: A Contour Attention Preserving Adversarial
Defense for COVID-19 Detection [10.953610196636784]
本稿では,肺腔エッジ抽出に基づく Contour Attention Preserving (CAP) 法を提案する。
実験結果から, 本手法は, 複数の対角防御および一般化タスクにおいて, 最先端の性能を実現することが示唆された。
論文 参考訳(メタデータ) (2022-11-30T08:01:23Z) - Assessing glaucoma in retinal fundus photographs using Deep Feature
Consistent Variational Autoencoders [63.391402501241195]
緑内障は症状が重くなるまで無症状のままでいるため、検出が困難である。
緑内障の早期診断は機能的,構造的,臨床的評価に基づいて行われることが多い。
ディープラーニング手法はこのジレンマを、マーカー識別段階をバイパスし、ハイレベルな情報を分析してデータを分類することで部分的に解決している。
論文 参考訳(メタデータ) (2021-10-04T16:06:49Z) - Deep Semi-supervised Metric Learning with Dual Alignment for Cervical
Cancer Cell Detection [49.78612417406883]
子宮頸癌細胞検出のための新しい半教師付き深度測定法を提案する。
私たちのモデルは、埋め込みメトリック空間を学習し、提案レベルとプロトタイプレベルの両方でセマンティック機能の二重アライメントを行います。
本研究は,240,860個の頸部細胞画像からなる半監督型頸部がん細胞検出のための大規模データセットを初めて構築した。
論文 参考訳(メタデータ) (2021-04-07T17:11:27Z) - An Interpretable Multiple-Instance Approach for the Detection of
referable Diabetic Retinopathy from Fundus Images [72.94446225783697]
基礎画像における参照糖尿病網膜症検出のための機械学習システムを提案する。
画像パッチから局所情報を抽出し,アテンション機構により効率的に組み合わせることで,高い分類精度を実現することができる。
我々は,現在入手可能な網膜画像データセットに対するアプローチを評価し,最先端の性能を示す。
論文 参考訳(メタデータ) (2021-03-02T13:14:15Z) - Detecting Parkinsonian Tremor from IMU Data Collected In-The-Wild using
Deep Multiple-Instance Learning [59.74684475991192]
パーキンソン病(英: Parkinson's Disease、PD)は、60歳以上の人口の約1%に影響を与える徐々に進化する神経学的疾患である。
PD症状には、震動、剛性、ブレイキネジアがある。
本稿では,スマートフォン端末から受信したIMU信号に基づいて,PDに関連するトレモラスなエピソードを自動的に識別する手法を提案する。
論文 参考訳(メタデータ) (2020-05-06T09:02:30Z)
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。