論文の概要: Self-Supervised Leaf Segmentation under Complex Lighting Conditions

• arxiv url: http://arxiv.org/abs/2203.15943v1
• Date: Tue, 29 Mar 2022 22:59:02 GMT
• ステータス: 処理完了
• システム内更新日: 2022-03-31 16:31:24.848865
• Title: Self-Supervised Leaf Segmentation under Complex Lighting Conditions
• Title（参考訳）: 複雑な照明条件下での自己監督型葉分別
• Authors: Xufeng Lin, Chang-Tsun Li, Scott Adams, Abbas Kouzani, Richard Jiang, Ligang He, Yongjian Hu, Michael Vernon, Egan Doeven, Lawrence Webb, Todd Mcclellan, Adam Guskic
• Abstract要約: 葉のセグメンテーションはイメージベース植物表現において必須の前提条件である。 本稿では,自己教師付きセマンティックセマンティックセマンティクスモデル,色に基づくリーフセマンティクスアルゴリズム,および自己教師型色補正モデルからなる自己教師型リーフセマンティクスフレームワークを提案する。 異なる植物種のデータセットに対する実験結果は、提案された自己管理フレームワークの可能性を示している。
• 参考スコア（独自算出の注目度）: 14.290827361756108
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: As an essential prerequisite task in image-based plant phenotyping, leaf segmentation has garnered increasing attention in recent years. While self-supervised learning is emerging as an effective alternative to various computer vision tasks, its adaptation for image-based plant phenotyping remains rather unexplored. In this work, we present a self-supervised leaf segmentation framework consisting of a self-supervised semantic segmentation model, a color-based leaf segmentation algorithm, and a self-supervised color correction model. The self-supervised semantic segmentation model groups the semantically similar pixels by iteratively referring to the self-contained information, allowing the pixels of the same semantic object to be jointly considered by the color-based leaf segmentation algorithm for identifying the leaf regions. Additionally, we propose to use a self-supervised color correction model for images taken under complex illumination conditions. Experimental results on datasets of different plant species demonstrate the potential of the proposed self-supervised framework in achieving effective and generalizable leaf segmentation.
• Abstract（参考訳）: 画像に基づく植物表現型形成における必須課題として,近年,葉分画が注目されている。 自己教師型学習は様々なコンピュータビジョンタスクの効果的な代替手段として現れつつあるが、イメージベースの植物表現への適応はいまだに未発見のままである。 本研究では,自己教師付意味セグメンテーションモデル,カラーベースリーフセグメンテーションアルゴリズム,自己教師付色補正モデルからなる自己教師付リーフセグメンテーションフレームワークを提案する。 自己教師付き意味セグメンテーションモデルは、自己完結した情報を反復的に参照することにより、意味的に類似した画素をグループ化し、同じ意味対象の画素を色に基づくリーフセグメンテーションアルゴリズムにより、リーフ領域を識別する。 また,複雑な照明条件下で撮影された画像に対して,自己教師付き色補正モデルを提案する。 異なる植物種のデータセットを用いた実験結果から,葉分画を効果的かつ一般化可能なものにするための自己監督型フレームワークの可能性が示された。

関連論文リスト

• Reinforcing Pre-trained Models Using Counterfactual Images [54.26310919385808]
  本稿では,言語誘導型生成対実画像を用いた分類モデル強化のための新しいフレームワークを提案する。 逆ファクト画像データセットを用いてモデルをテストすることにより、モデルの弱点を同定する。 我々は、分類モデルを微調整し強化するために、デファクトイメージを拡張データセットとして採用する。
  論文  参考訳（メタデータ） (2024-06-19T08:07:14Z)
• Bayesian Unsupervised Disentanglement of Anatomy and Geometry for Deep Groupwise Image Registration [50.62725807357586]
  本稿では,マルチモーダル群画像登録のための一般ベイズ学習フレームワークを提案する。 本稿では,潜在変数の推論手順を実現するために,新しい階層的変分自動符号化アーキテクチャを提案する。 心臓、脳、腹部の医療画像から4つの異なるデータセットを含む,提案された枠組みを検証する実験を行った。
  論文  参考訳（メタデータ） (2024-01-04T08:46:39Z)
• Grounding Everything: Emerging Localization Properties in Vision-Language Transformers [51.260510447308306]
  事前学習された視覚言語(VL)モデルでは、微調整なしでゼロショットのオープン語彙オブジェクトローカライゼーションが可能であることを示す。 本稿では,CLIPSurgeryが自己注意経路に導入した価値価値注意の考え方を一般化するグラウンドング・エコノミクス・モジュール(GEM)を提案する。 セマンティックセグメンテーションのための様々なベンチマークタスクとデータセットに基づいて提案したGEMフレームワークを評価する。
  論文  参考訳（メタデータ） (2023-12-01T19:06:12Z)
• Weakly supervised segmentation with point annotations for histopathology images via contrast-based variational model [7.021021047695508]
  病理組織像のセグメンテーション結果を生成するためのコントラストモデルを提案する。 本手法は,病理組織像における対象領域の共通特性を考察し,エンドツーエンドで訓練することができる。 より地域的に一貫性があり、スムーズな境界セグメンテーションを生成することができ、未ラベルの新規領域に対してより堅牢である。
  論文  参考訳（メタデータ） (2023-04-07T10:12:21Z)
• Estimating Appearance Models for Image Segmentation via Tensor Factorization [0.0]
  本稿では,画像からの外観モデルを直接推定する手法を提案する。 本手法は,潜時変モデルに対するテンソル分解に基づく推定器への入力として,画像からの局所的な高次色統計値を用いる。 このアプローチは、マルチリージョン画像のモデルを推定し、事前のユーザインタラクションなしで自動的にリージョン比を出力することができる。
  論文  参考訳（メタデータ） (2022-08-16T17:21:00Z)
• Saliency-Driven Active Contour Model for Image Segmentation [2.8348950186890467]
  本稿では,局所的な画像情報(LIF)を用いたサリエンシマップの利点を利用して,従来のモデルの欠点を克服する新しいモデルを提案する。 提案モデルでは,画像の鮮度マップと局所画像情報を用いて,アクティブな輪郭モデルの進行性を向上させる。
  論文  参考訳（メタデータ） (2022-05-23T06:02:52Z)
• Towards Self-Supervised Category-Level Object Pose and Size Estimation [121.28537953301951]
  本研究は,一深度画像からのカテゴリレベルのオブジェクトポーズとサイズ推定のための自己教師型フレームワークを提案する。 我々は、同じ形状の点雲における幾何学的整合性を利用して自己超越する。
  論文  参考訳（メタデータ） (2022-03-06T06:02:30Z)
• Group-Wise Semantic Mining for Weakly Supervised Semantic Segmentation [49.90178055521207]
  この研究は、画像レベルのアノテーションとピクセルレベルのセグメンテーションのギャップを埋めることを目標に、弱い監督されたセマンティックセグメンテーション(WSSS)に対処する。 画像群における意味的依存関係を明示的にモデル化し,より信頼性の高い擬似的基盤構造を推定する,新たなグループ学習タスクとしてWSSSを定式化する。 特に、入力画像がグラフノードとして表現されるグループ単位のセマンティックマイニングのためのグラフニューラルネットワーク(GNN)を考案する。
  論文  参考訳（メタデータ） (2020-12-09T12:40:13Z)
• Unsupervised Domain Adaptation For Plant Organ Counting [12.424350934766704]
  イメージベース植物表現型解析のための植物器官の計数はこのカテゴリに該当する。 本稿では,密度マップ推定の領域適応のための領域適応型学習手法を提案する。
  論文  参考訳（メタデータ） (2020-09-02T13:57:09Z)
• Importance of Self-Consistency in Active Learning for Semantic Segmentation [31.392212891018655]
  我々は,少数のラベル付きデータにのみアクセス可能なデータ駆動モデルの性能を向上させるために,自己整合性は自己超越の強力な情報源となることを示す。 提案するアクティブラーニングフレームワークでは,ラベル付けが必要な小さな画像パッチを反復的に抽出する。 現在のモデルが最も分類に苦労しているイメージパッチを見つけることができます。
  論文  参考訳（メタデータ） (2020-08-04T22:18:35Z)
• Out-of-distribution Generalization via Partial Feature Decorrelation [72.96261704851683]
  本稿では,特徴分解ネットワークと対象画像分類モデルとを協調的に最適化する,PFDL(Partial Feature Deorrelation Learning)アルゴリズムを提案する。 実世界のデータセットを用いた実験により,OOD画像分類データセットにおけるバックボーンモデルの精度が向上することを示した。
  論文  参考訳（メタデータ） (2020-07-30T05:48:48Z)

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。