論文の概要: Image analysis for automatic measurement of crustose lichens
- arxiv url: http://arxiv.org/abs/2203.00787v1
- Date: Tue, 1 Mar 2022 23:11:59 GMT
- ステータス: 処理完了
- システム内更新日: 2022-03-03 14:47:31.109741
- Title: Image analysis for automatic measurement of crustose lichens
- Title（参考訳）: 甲殻類の自動計測のための画像解析
- Authors: Pedro Guedes and Maria Alexandra Oliveira and Cristina Branquinho and
Jo\~ao Nuno Silva
- Abstract要約: 地層は、特に最近の地質学的堆積物や考古学的構造において、年代推定器としてよく使われている。
現在の自動化されていない手作業のキッチンと測定は、時間と手間のかかるプロセスである。
本研究は, 平らな岩盤表面のライチェンタルリを効率よく識別するワークフローと画像取得・処理ツールを提案する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Lichens, organisms resulting from a symbiosis between a fungus and an algae,
are frequently used as age estimators, especially in recent geological deposits
and archaeological structures, using the correlation between lichen size and
age. Current non-automated manual lichen and measurement (with ruler, calipers
or using digital image processing tools) is a time-consuming and laborious
process, especially when the number of samples is high.
This work presents a workflow and set of image acquisition and processing
tools developed to efficiently identify lichen thalli in flat rocky surfaces,
and to produce relevant lichen size statistics (percentage cover, number of
thalli, their area and perimeter).
The developed workflow uses a regular digital camera for image capture along
with specially designed targets to allow for automatic image correction and
scale assignment. After this step, lichen identification is done in a flow
comprising assisted image segmentation and classification based on interactive
foreground extraction tool (GrabCut) and automatic classification of images
using Simple Linear Iterative Clustering (SLIC) for image segmentation and
Support Vector Machines (SV) and Random Forest classifiers.
Initial evaluation shows promising results. The manual classification of
images (for training) using GrabCut show an average speedup of 4 if compared
with currently used techniques and presents an average precision of 95\%. The
automatic classification using SLIC and SVM with default parameters produces
results with average precision higher than 70\%. The developed system is
flexible and allows a considerable reduction of processing time, the workflow
allows it applicability to data sets of new lichen populations.
- Abstract（参考訳）: 真菌と藻類の共生から生じる生物である地層は、特に最近の地質学的堆積物や考古学的構造において、地層の大きさと年齢の相関を利用して、年齢推定物質として頻繁に用いられる。
現在の自動化されていない手動キッチンと測定(定規、校正器、デジタル画像処理ツールを使用する)は、特にサンプル数が多い場合、時間と労力を要するプロセスである。
本研究は,平坦な岩盤表面のリッチェンタッリを効率的に同定し,関連するリッチェンサイズ統計(カバー率,タッリ数,面積,周囲)を作成するために開発された,画像取得・処理ツールのワークフローとセットを提案する。
開発したワークフローでは、画像キャプチャに通常のデジタルカメラと、画像の自動補正とスケール割り当てを可能にする特別に設計されたターゲットを使用する。
その後、画像分割および支援ベクターマシン(sv)およびランダム森林分類器のための簡易線形反復クラスタリング(slic)を用いた対話的前景抽出ツール(grabcut)および画像の自動分類に基づく支援画像分割・分類を含むフローにおいて、地衣類識別を行う。
最初の評価は有望な結果を示している。
GrabCutを用いた画像の手動分類では、現在使用されている技術と比較して平均速度が4で、平均精度は95%である。
SLICとSVMをデフォルトパラメータで自動分類すると、平均精度が70倍を超える結果が得られる。
開発されたシステムは柔軟性があり、処理時間を大幅に削減することができ、ワークフローによって新しいlichen人口のデータセットを適用できる。
関連論文リスト
- Tool Wear Segmentation in Blanking Processes with Fully Convolutional
Networks based Digital Image Processing [0.0]
本稿では,600spmのツールの高解像度画像を,セマンティックセグメンテーション深層学習アルゴリズムを用いてキャプチャし,処理する方法を示す。
125,000枚のツールの画像が連続するストロークから撮影され、顕微鏡画像が観察され、摩耗面を観察する。
論文 参考訳（メタデータ） (2023-10-06T11:40:16Z) - Improving Data Efficiency for Plant Cover Prediction with Label
Interpolation and Monte-Carlo Cropping [7.993547048820065]
植物群落の組成は環境変化の重要な指標であり、通常生態学的研究で分析される。
本稿では,収集した植生計画時系列のスパースラベルを中間密度・未ラベル画像に補間する手法を提案する。
また,高解像度画像の処理を効率的に行うため,モンテカルロ・クロッピングと呼ばれる新しい手法を導入する。
論文 参考訳（メタデータ） (2023-07-17T15:17:39Z) - Self-supervised dense representation learning for live-cell microscopy
with time arrow prediction [0.0]
生の未ラベルライブセル顕微鏡ビデオから高密度画像表現を学習する自己教師方式を提案する。
得られた高密度表現は、本質的に時間非対称な生物学的過程、例えばピクセルレベルでの細胞分裂を捉えていることを示す。
提案手法は,特に限定的な真理アノテーションが利用できる場合に,教師付き手法よりも優れる。
論文 参考訳（メタデータ） (2023-05-09T14:58:13Z) - A Knowledge Distillation framework for Multi-Organ Segmentation of
Medaka Fish in Tomographic Image [5.881800919492064]
メダカ魚のトモグラフィー画像における多臓器セグメンテーションのための自己学習フレームワークを提案する。
本研究では,事前訓練されたモデルから得られた擬似ラベルデータを利用して,擬似ラベルデータを洗練するために品質教師を採用する。
実験結果から,本手法は全データセット上で平均IoU(Intersection over Union)を5.9%改善することが示された。
論文 参考訳（メタデータ） (2023-02-24T10:31:29Z) - Stain-invariant self supervised learning for histopathology image
analysis [74.98663573628743]
乳がんのヘマトキシリンおよびエオシン染色像におけるいくつかの分類課題に対する自己監督アルゴリズムを提案する。
本手法は,いくつかの乳がんデータセット上での最先端のパフォーマンスを実現する。
論文 参考訳（メタデータ） (2022-11-14T18:16:36Z) - End-to-end deep learning for directly estimating grape yield from
ground-based imagery [53.086864957064876]
本研究は, ブドウ畑の収量推定に深層学習と併用した近位画像の応用を実証する。
オブジェクト検出、CNN回帰、トランスフォーマーモデルという3つのモデルアーキテクチャがテストされた。
本研究は,ブドウの収量予測における近位画像と深層学習の適用性を示した。
論文 参考訳（メタデータ） (2022-08-04T01:34:46Z) - Facilitated machine learning for image-based fruit quality assessment in
developing countries [68.8204255655161]
自動画像分類は食品科学における教師あり機械学習の一般的な課題である。
事前学習型視覚変換器(ViT)に基づく代替手法を提案する。
標準的なデバイス上で限られたリソースで簡単に実装できる。
論文 参考訳（メタデータ） (2022-07-10T19:52:20Z) - Ensembling with Deep Generative Views [72.70801582346344]
生成モデルは、色やポーズの変化などの現実世界の変動を模倣する人工画像の「ビュー」を合成することができる。
そこで本研究では, 画像分類などの下流解析作業において, 実画像に適用できるかどうかを検討する。
StyleGAN2を再生増強の源として使用し、顔の属性、猫の顔、車を含む分類タスクについてこの設定を調査します。
論文 参考訳（メタデータ） (2021-04-29T17:58:35Z) - Multi-species Seagrass Detection and Classification from Underwater
Images [1.2233362977312945]
本稿では,深層畳み込みニューラルネットワークに基づく海草の多種検出と分類器を提案する。
また,画像パッチを半自動でラベル付けする簡単な手法を導入し,手動ラベリングの要件を最小化する。
この研究で収集したデータセットと、実験を再現するためのコードと事前訓練されたモデルについて、公開してリリースします。
論文 参考訳（メタデータ） (2020-09-18T07:20:44Z) - Set Based Stochastic Subsampling [85.5331107565578]
本稿では,2段階間ニューラルサブサンプリングモデルを提案する。
画像分類,画像再構成,機能再構築,少数ショット分類など,様々なタスクにおいて,低いサブサンプリング率で関連ベースラインを上回っていることを示す。
論文 参考訳（メタデータ） (2020-06-25T07:36:47Z) - 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。