論文の概要: Unsupervised detection of ash dieback disease (Hymenoscyphus fraxineus) using diffusion-based hyperspectral image clustering

• arxiv url: http://arxiv.org/abs/2204.09041v1
• Date: Tue, 19 Apr 2022 17:58:49 GMT
• ステータス: 処理完了
• システム内更新日: 2022-04-20 14:35:55.542624
• Title: Unsupervised detection of ash dieback disease (Hymenoscyphus fraxineus) using diffusion-based hyperspectral image clustering
• Title（参考訳）: 拡散型ハイパースペクトル画像クラスタリングによるアッシュダイバック病(Hymenoscyphus fraxineus)の無監督検出
• Authors: Sam L. Polk, Aland H. Y. Chan, Kangning Cui, Robert J. Plemmons, David A. Coomes, and James M. Murphy
• Abstract要約: アッシュダイバック(Hymenoscyphus fraxineus)は、ヨーロッパ各地のアッシュの木が広く枯死している真菌病である。 リモートセンシングハイパースペクトル画像は、教師付き機械学習技術を用いて、アッシュツリーのダイバック病の検出に利用されてきたリッチな構造を符号化する。 本稿では,英国ケンブリッジ近郊の森林地帯におけるアッシュダイバック病の検出に,教師なし拡散とVCA支援画像(D-VIS)クラスタリングアルゴリズムを用いて検討する。
• 参考スコア（独自算出の注目度）: 4.324228286485018
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Ash dieback (Hymenoscyphus fraxineus) is an introduced fungal disease that is causing the widespread death of ash trees across Europe. Remote sensing hyperspectral images encode rich structure that has been exploited for the detection of dieback disease in ash trees using supervised machine learning techniques. However, to understand the state of forest health at landscape-scale, accurate unsupervised approaches are needed. This article investigates the use of the unsupervised Diffusion and VCA-Assisted Image Segmentation (D-VIS) clustering algorithm for the detection of ash dieback disease in a forest site near Cambridge, United Kingdom. The unsupervised clustering presented in this work has high overlap with the supervised classification of previous work on this scene (overall accuracy = 71%). Thus, unsupervised learning may be used for the remote detection of ash dieback disease without the need for expert labeling.
• Abstract（参考訳）: アッシュダイバック(Hymenoscyphus fraxineus)は、ヨーロッパ各地のアッシュの木が広く枯死している真菌病である。 リモートセンシングハイパースペクトラル画像は,教師付き機械学習技術を用いて,アッシュツリーのダイバック病の検出に利用されているリッチな構造を符号化する。 しかし、景観規模で森林の健康状態を理解するためには、正確な教師なしアプローチが必要である。 本稿では,英国ケンブリッジ近郊の森林地帯におけるアッシュダイバック病の検出に,教師なし拡散とVCA支援イメージセグメンテーション(D-VIS)クラスタリングアルゴリズムを用いて検討する。 この研究で提示された教師なしクラスタリングは、このシーンにおける以前の作業の教師なし分類と重なり合う(全精度=71%)。 したがって、教師なし学習は、専門家のラベル付けを必要とせずに、アッシュダイバック病のリモート検出に使用できる。

関連論文リスト

• Investigation of unsupervised and supervised hyperspectral anomaly detection [11.56957155775389]
  ハイパースペクトル異常検出(HS-AD)は、キャプチャされたシーンを特徴付け、それらを異常クラスとバックグラウンドクラスに分離する。 我々は以前,ハイパースペクトルアンミキシングと3つの教師なしHS-ADアルゴリズムの等価な投票アンサンブルを設計した。 我々は後に、教師付き分類器を用いて投票アンサンブルの重みを判定し、異種無教師型HS-ADアルゴリズムのハイブリッドを作成する。
  論文  参考訳（メタデータ） (2024-08-13T17:20:14Z)
• MAEDiff: Masked Autoencoder-enhanced Diffusion Models for Unsupervised Anomaly Detection in Brain Images [40.89943932086941]
  脳画像における教師なし異常検出のためのMasked Autoencoder-enhanced Diffusion Model (MAEDiff)を提案する。 MAEDiffは、階層的なパッチ分割を含む。上層パッチを重畳して健全なイメージを生成し、サブレベルパッチで動作するマスク付きオートエンコーダに基づくメカニズムを実装し、未通知領域の状態を高める。
  論文  参考訳（メタデータ） (2024-01-19T08:54:54Z)
• Self-Supervised Masked Convolutional Transformer Block for Anomaly Detection [122.4894940892536]
  本稿では, 自己監督型マスク型畳み込み変圧器ブロック (SSMCTB) について述べる。 本研究では,従来の自己教師型予測畳み込み抑止ブロック(SSPCAB)を3次元マスク付き畳み込み層,チャンネルワイドアテンション用トランスフォーマー,およびハマーロスに基づく新たな自己教師型目標を用いて拡張する。
  論文  参考訳（メタデータ） (2022-09-25T04:56:10Z)
• GAN-based Medical Image Small Region Forgery Detection via a Two-Stage Cascade Framework [12.24879640482427]
  CT-GANと呼ばれる新たな攻撃が出現し、肺がんの病変をCTスキャンに注入または除去することができる。 改ざん領域が元の画像の1%未満を占めることもあるため、最先端の手法でさえ、改ざんの痕跡を検出することは困難である。 本稿では,CT-GANのようなGANベースの医療画像小領域の偽造を検出するためのカスケードフレームワークを提案する。
  論文  参考訳（メタデータ） (2022-05-30T15:21:09Z)
• RADNet: Ensemble Model for Robust Glaucoma Classification in Color Fundus Images [0.0]
  緑内障は最も重篤な眼疾患の1つで、急激な進行と不可逆性失明を特徴とする。 集団の正常な緑内障検診では早期発見が改善するが,病原性チェックアップの望ましい頻度は期待できないことが多い。 本研究では,高度な画像前処理手法と深層分類ネットワークのアンサンブルを併用した画像前処理手法を提案する。
  論文  参考訳（メタデータ） (2022-05-25T16:48:00Z)
• Unsupervised deep learning techniques for powdery mildew recognition based on multispectral imaging [63.62764375279861]
  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。
  論文  参考訳（メタデータ） (2021-12-20T13:29:13Z)
• Reference-based Defect Detection Network [57.89399576743665]
  最初の問題はテクスチャシフトであり、これはトレーニングされた欠陥検出モデルが目に見えないテクスチャの影響を受けやすいことを意味する。 第2の問題は部分的な視覚的混乱であり、部分的な欠陥ボックスが完全なボックスと視覚的に類似していることを示している。 本稿では,これら2つの問題に対処する参照型欠陥検出ネットワーク(RDDN)を提案する。
  論文  参考訳（メタデータ） (2021-08-10T05:44:23Z)
• D-Unet: A Dual-encoder U-Net for Image Splicing Forgery Detection and Localization [108.8592577019391]
  画像スプライシング偽造検出は、画像指紋によって改ざんされた領域と非改ざんされた領域を区別するグローバルバイナリ分類タスクである。 画像スプライシングフォージェリ検出のためのデュアルエンコーダU-Net(D-Unet)という,固定されていないエンコーダと固定エンコーダを用いた新しいネットワークを提案する。 D-Unetと最先端技術の比較実験において、D-Unetは画像レベルおよび画素レベルの検出において他の手法よりも優れていた。
  論文  参考訳（メタデータ） (2020-12-03T10:54:02Z)
• Image-based Plant Disease Diagnosis with Unsupervised Anomaly Detection Based on Reconstructability of Colors [0.0]
  画像に基づく植物病診断のための教師なし異常検出手法を提案する。 提案手法は,pix2pixと呼ばれる条件付き対向ネットワークを利用した植物病検出のための新しい画像ベースフレームワークを含む。 PlantVillageデータセットを用いた実験では,既存の異常検出装置と比較して提案手法の優位性を示した。
  論文  参考訳（メタデータ） (2020-11-29T07:44:05Z)
• Contralaterally Enhanced Networks for Thoracic Disease Detection [120.60868136876599]
  胸骨、肺野、気管支管など、胸部左右に類似した構造が多数存在する。 このような類似性は、広義の放射線学者の経験から、胸部X線における疾患の同定に利用することができる。 本稿では,病状提案の特徴表現を強化するために,対向的コンテキスト情報を活用するディープ・エンド・ツー・エンド・モジュールを提案する。
  論文  参考訳（メタデータ） (2020-10-09T10:15:26Z)
• Inf-Net: Automatic COVID-19 Lung Infection Segmentation from CT Images [152.34988415258988]
  CT画像からの肺感染症の自動検出は、新型コロナウイルスに対処するための従来の医療戦略を強化する大きな可能性を秘めている。 CTスライスから感染領域を分割することは、高い感染特性の変化、感染と正常な組織の間の低強度のコントラストなど、いくつかの課題に直面している。 これらの課題に対処するため, 胸部CTスライスから感染部位を自動的に同定する, 新型のCOVID-19 Deep Lung infection Network (Inf-Net) が提案されている。
  論文  参考訳（メタデータ） (2020-04-22T07:30:56Z)

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。