論文の概要: Agriculture-Vision Challenge 2022 -- The Runner-Up Solution for
Agricultural Pattern Recognition via Transformer-based Models
- arxiv url: http://arxiv.org/abs/2206.11920v1
- Date: Thu, 23 Jun 2022 18:02:12 GMT
- ステータス: 処理完了
- システム内更新日: 2022-06-28 08:00:03.933234
- Title: Agriculture-Vision Challenge 2022 -- The Runner-Up Solution for
Agricultural Pattern Recognition via Transformer-based Models
- Title(参考訳): agriculture-vision challenge 2022 --transformer-based modelによる農業パターン認識の次点ソリューション
- Authors: Zhicheng Yang, Jui-Hsin Lai, Jun Zhou, Hang Zhou, Chen Du, Zhongcheng
Lai
- Abstract要約: CVPR 2022における第3回農業ビジョンチャレンジへの解決策を提案する。
我々は,データ前処理方式とトランスフォーマーベースモデル,およびデータ拡張技術を活用し,0.582mIoUを実現する。
- 参考スコア(独自算出の注目度): 11.615548490321123
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The Agriculture-Vision Challenge in CVPR is one of the most famous and
competitive challenges for global researchers to break the boundary between
computer vision and agriculture sectors, aiming at agricultural pattern
recognition from aerial images. In this paper, we propose our solution to the
third Agriculture-Vision Challenge in CVPR 2022. We leverage a data
pre-processing scheme and several Transformer-based models as well as data
augmentation techniques to achieve a mIoU of 0.582, accomplishing the 2nd place
in this challenge.
- Abstract(参考訳): CVPRにおける農業ビジョンチャレンジは、地球規模の研究者がコンピュータビジョンと農業セクターの境界を破り、空中画像から農業パターンの認識を目指す最も有名で競争の激しい課題の1つである。
本稿では,CVPR 2022の第3回農業ビジョンチャレンジの解決策を提案する。
我々は,データ前処理方式とトランスフォーマーベースモデル,およびデータ拡張技術を活用して0.582mIoUを実現し,この課題において2位となる。
関連論文リスト
- NICE: CVPR 2023 Challenge on Zero-shot Image Captioning [149.28330263581012]
NICEプロジェクトは、堅牢な画像キャプションモデルを開発するためにコンピュータビジョンコミュニティに挑戦するために設計されている。
レポートには、新たに提案されたNICEデータセット、評価方法、課題結果、トップレベルのエントリの技術的な詳細などが含まれている。
論文 参考訳(メタデータ) (2023-09-05T05:32:19Z) - Extended Agriculture-Vision: An Extension of a Large Aerial Image
Dataset for Agricultural Pattern Analysis [11.133807938044804]
農業ビジョンデータセットの改良版(Chiu et al., 2020b)をリリースする。
このデータセットは,3600大,高解像度(10cm/ピクセル),フルフィールド,赤緑色,近赤外画像の事前トレーニングにより拡張する。
下流分類とセマンティックセグメンテーションの両タスクにおいて、異なるコントラスト学習アプローチをベンチマークすることで、このデータの有用性を実証する。
論文 参考訳(メタデータ) (2023-03-04T17:35:24Z) - Universal Object Detection with Large Vision Model [79.06618136217142]
本研究は,大規模多領域普遍物体検出問題に焦点をあてる。
これらの課題に対処するために,ラベル処理,階層型設計,資源効率のよいモデルトレーニングを提案する。
本手法は,ロバスト・ビジョン・チャレンジ2022のオブジェクト検出トラックにおいて,優れた2位の地位を確保した。
論文 参考訳(メタデータ) (2022-12-19T12:40:13Z) - Vision Transformers For Weeds and Crops Classification Of High
Resolution UAV Images [3.1083892213758104]
ビジョントランスフォーマー(ViT)モデルは、畳み込み操作を適用することなく、競争またはより良い結果を達成することができる。
実験の結果,ラベル付きトレーニングデータでは,最新のCNNモデルと比較して,ViTモデルの方が優れていた。
論文 参考訳(メタデータ) (2021-09-06T19:58:54Z) - Focal Self-attention for Local-Global Interactions in Vision
Transformers [90.9169644436091]
局所的局所的相互作用と粗大な大域的相互作用の両方を包含する新しいメカニズムである焦点自己アテンションを提示する。
焦点自己アテンションを用いて、最先端の視覚変換器よりも優れた性能を実現する、Focal Transformerと呼ばれる新しい視覚変換器モデルを提案する。
論文 参考訳(メタデータ) (2021-07-01T17:56:09Z) - 2nd Place Solution to ECCV 2020 VIPriors Object Detection Challenge [24.368684444351068]
我々は、最先端のデータ強化戦略、モデル設計、および後処理アンサンブル手法を用いることで、データ不足の難しさを克服し、競争結果を得ることができることを示す。
当社の全体的な検出システムは,COCO 2017の検証セット上で,事前トレーニングや移行学習の重み付けなしで,わずか10Kのトレーニングイメージを使用して36.6$%のAPを達成している。
論文 参考訳(メタデータ) (2020-07-17T09:21:29Z) - The 1st Agriculture-Vision Challenge: Methods and Results [144.57794061346974]
第1回農業ビジョンチャレンジは、航空画像から農業パターン認識のための新しい効果的なアルゴリズムの開発を奨励することを目的としている。
約57の参加チームが、航空農業のセマンティックセグメンテーションの最先端を達成するために競っている。
本報告では,課題における注目すべき手法と成果について概説する。
論文 参考訳(メタデータ) (2020-04-21T05:02:31Z) - Analysing Affective Behavior in the First ABAW 2020 Competition [49.90617840789334]
ABAW(Affective Behavior Analysis in-the-Wild) 2020コンペティションは、3つの主要な行動タスクの自動分析を目的とした最初のコンペティションである。
アルゼンチンのブエノスアイレスで2020年5月に開催されたIEEE Face and Gesture Recognitionと共同で開催されるこのコンペティションについて説明する。
評価指標を概説し,ベースラインシステムとトップ3の実施するチームの方法論をチャレンジ毎に提示し,その結果を最終的に提示する。
論文 参考訳(メタデータ) (2020-01-30T15:41:14Z) - Agriculture-Vision: A Large Aerial Image Database for Agricultural
Pattern Analysis [110.30849704592592]
本稿では,農業パターンのセマンティックセグメンテーションのための大規模空中農地画像データセットであるGarmry-Visionを提案する。
各画像はRGBと近赤外線(NIR)チャンネルで構成され、解像度は1ピクセルあたり10cmである。
農家にとって最も重要な9種類のフィールド異常パターンに注釈を付ける。
論文 参考訳(メタデータ) (2020-01-05T20:19:33Z)
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。