論文の概要: PST: Plant Segmentation Transformer Enhanced Phenotyping of MLS Oilseed Rape Point Cloud

• arxiv url: http://arxiv.org/abs/2206.13082v1
• Date: Mon, 27 Jun 2022 06:56:48 GMT
• ステータス: 処理完了
• システム内更新日: 2022-06-28 15:09:27.039346
• Title: PST: Plant Segmentation Transformer Enhanced Phenotyping of MLS Oilseed Rape Point Cloud
• Title（参考訳）: pst: プラントセグメンテーショントランスフォーマは, mlsオイルシードレイプポイント雲の表現型を強化した
• Authors: Ruiming Du, Zhihong Ma, Pengyao Xie, Haiyan Cen, Yong He
• Abstract要約: 深層学習ネットワークプラントセグメンテーション変換器 (PST) を提案し, MLS油浸レイプ点雲のセグメンテーションとインスタンスセグメンテーションを実現する。 PSTとPST-PointGroupは、セマンティックおよびインスタンスセグメンテーションタスクにおける最先端のパフォーマンスを達成した。 本研究は, 油種レイプの表現型化を終末的に拡張し, 深層学習法が植物点雲の深部理解に大きな可能性があることを証明した。
• 参考スコア（独自算出の注目度）: 4.527400523954635
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Segmentation of plant point clouds to obtain high-precise morphological traits is essential for plant phenotyping and crop breeding. Although the bloom of deep learning methods has boosted much research on the segmentation of plant point cloud, most works follow the common practice of hard voxelization-based or down-sampling-based methods. They are limited to segmenting simple plant organs, overlooking the difficulties of resolving complex plant point clouds with high spatial resolution. In this study, we propose a deep learning network plant segmentation transformer (PST) to realize the semantic and instance segmentation of MLS (Mobile Laser Scanning) oilseed rape point cloud, which characterizes tiny siliques and dense points as the main traits targeted. PST is composed of: (i) a dynamic voxel feature encoder (DVFE) to aggregate per point features with raw spatial resolution; (ii) dual window sets attention block to capture the contextual information; (iii) a dense feature propagation module to obtain the final dense point feature map. The results proved that PST and PST-PointGroup (PG) achieved state-of-the-art performance in semantic and instance segmentation tasks. For semantic segmentation, PST reached 93.96%, 97.29%, 96.52%, 96.88%, and 97.07% in mean IoU, mean Precision, mean Recall, mean F1-score, and overall accuracy, respectively. For instance segmentation, PST-PG reached 89.51%, 89.85%, 88.83% and 82.53% in mCov, mWCov, mPerc90, and mRec90, respectively. This study extends the phenotyping of oilseed rape in an end-to-end way and proves that the deep learning method has a great potential for understanding dense plant point clouds with complex morphological traits.
• Abstract（参考訳）: 植物形質転換や作物の育種には, 植物点雲の分別による精密形態特性の獲得が不可欠である。 深層学習手法の興隆は植物点雲のセグメンテーションに関する多くの研究を加速させたが、ほとんどの研究はハード・ボキセル化法やダウン・サンプリング法といった一般的な手法に従っている。 それらは単純な植物器官を分割することに限定されており、複雑な植物点雲を高い空間分解能で解くことの難しさを見下ろしている。 本研究では, mls (mobile laser scanning) オイルシードレイプ点雲のセグメンテーションとインスタンスセグメンテーションを実現するための深層学習ネットワークプラントセグメンテーショントランスフォーマ(pst)を提案する。 PSTは以下の通りである。 (i)動的ボクセル特徴エンコーダ(DVFE)を用いて各点特徴を生空間分解能で集約すること。 (ii)デュアルウィンドウは、コンテキスト情報をキャプチャするために注意ブロックを設定します。 (iii)最終密点特徴写像を得るための密特徴伝播モジュール。 その結果, PST と PST-PointGroup (PG) は, セマンティックおよびインスタンスセグメンテーションタスクにおける最先端性能を達成した。 意味セグメンテーションでは、pstはそれぞれ93.96%、97.29%、96.52%、96.88%、97.07%、平均iou、平均リコール、平均f1-score、総合精度であった。 例えば、PST-PGは89.51%、89.85%、88.83%、mCov、mWCov、mPerc90、mRec90で82.53%に達した。 本研究は, 油種レイプの表現型化を終末的に拡張し, 深層学習法が複雑な形態的特徴を持つ高密度植物点雲の理解に大きな可能性があることを証明した。

関連論文リスト

• Parameter-Efficient Fine-Tuning in Spectral Domain for Point Cloud Learning [49.91297276176978]
  私たちは小説を提案します。 ポイントGST (Point GST) と呼ばれる点雲の効率的な微細調整法。 ポイントGSTは事前トレーニングされたモデルを凍結し、スペクトル領域のパラメータを微調整するためのトレーニング可能なポイントクラウドスペクトルアダプタ(PCSA)を導入する。 挑戦的なポイントクラウドデータセットに関する大規模な実験は、ポイントGSTが完全に微調整されたデータセットを上回るだけでなく、トレーニング可能なパラメータを大幅に削減することを示した。
  論文  参考訳（メタデータ） (2024-10-10T17:00:04Z)
• Point Cloud Pre-training with Diffusion Models [62.12279263217138]
  我々は、ポイントクラウド拡散事前学習(PointDif)と呼ばれる新しい事前学習手法を提案する。 PointDifは、分類、セグメンテーション、検出など、さまざまな下流タスクのために、さまざまな現実世界のデータセット間で大幅に改善されている。
  論文  参考訳（メタデータ） (2023-11-25T08:10:05Z)
• PointHPS: Cascaded 3D Human Pose and Shape Estimation from Point Clouds [99.60575439926963]
  本稿では,実環境で捉えた点雲から正確な3次元HPSを実現するための基本的フレームワークであるPointHPSを提案する。 PointHPSは、カスケードアーキテクチャを通じてポイント機能を反復的に洗練する。 広範囲な実験により、ポイントHPSは強力な特徴抽出と処理方式を持ち、State-of-the-Art法より優れていることが示された。
  論文  参考訳（メタデータ） (2023-08-28T11:10:14Z)
• Clustering based Point Cloud Representation Learning for 3D Analysis [80.88995099442374]
  本稿では,ポイントクラウド分析のためのクラスタリングに基づく教師付き学習手法を提案する。 現在のデファクトでシーンワイドなトレーニングパラダイムとは異なり、我々のアルゴリズムは点埋め込み空間上でクラス内のクラスタリングを行う。 我々のアルゴリズムは、有名なポイントクラウドセグメンテーションデータセットの顕著な改善を示している。
  論文  参考訳（メタデータ） (2023-07-27T03:42:12Z)
• Benchmarking Deep Learning Architectures for Urban Vegetation Point Cloud Semantic Segmentation from MLS [0.5999777817331315]
  植物は持続可能で回復力のある都市にとって、生態系のサービスや人間の幸福のために不可欠である。 近年、ポイントクラウドセマンティックセグメンテーションのためのディープラーニングが大きな進歩を見せている。 植生分類のセマンティックセグメンテーションのためのポイントベース深層学習モデルの評価を行う。
  論文  参考訳（メタデータ） (2023-06-17T06:38:42Z)
• PlantDet: A benchmark for Plant Detection in the Three-Rivers-Source Region [4.676030127116814]
  三波源領域(PTRS)における植物検出のためのデータセットを構築する。 21種類の高解像度画像を2160*3840ピクセルで6965枚、様々なセンサーやプラットフォームで撮影し、形状や大きさの異なる物体を特徴とする。 PTRSは、密接な隠蔽、葉の分解能の変化、植物間の特徴的類似性などの課題を提示する。
  論文  参考訳（メタデータ） (2023-04-11T04:18:56Z)
• Spatial Layout Consistency for 3D Semantic Segmentation [0.7614628596146599]
  本稿では,ALTMの点雲のボクセルに基づくセマンティックセマンティックセグメンテーションを実現するための,新しいディープ畳み込みニューラルネットワーク(DCNN)手法を提案する。 提案する深層学習手法であるセマンティック・ユーティリティ・ネットワーク(SUNet)は多次元・多次元ネットワークである。 実験により,SuNetの空間的レイアウトの整合性とマルチレゾリューション機能アグリゲーションにより,性能が大幅に向上することを示した。
  論文  参考訳（メタデータ） (2023-03-02T03:24:21Z)
• Eff-3DPSeg: 3D organ-level plant shoot segmentation using annotation-efficient point clouds [1.5882586857953638]
  本稿では,3次元植物撮影セグメンテーションのための弱教師付きフレームワーク Eff-3DPSeg を提案する。 大豆の高分解能点雲を低コストのフォトグラムシステムを用いて再構成した。 植物器官セグメンテーションのための弱教師付き深層学習法が提案された。
  論文  参考訳（メタデータ） (2022-12-20T14:09:37Z)
• A Deep Learning Approach Based on Graphs to Detect Plantation Lines [16.76043873454695]
  本稿では,UAVを用いたRGB画像における植林線検出のためのグラフに基づく深層学習手法を提案する。 提案手法は最先端のディープラーニング手法と比較した。 精度、リコール、F1スコアはそれぞれ98.7%、91.9%、95.1%だった。
  論文  参考訳（メタデータ） (2021-02-05T14:56:42Z)
• Point Transformer [122.2917213154675]
  セルフアテンションネットワークを3Dポイントクラウド処理に適用することを検討する。 ポイントクラウドのセルフアテンションレイヤを設計し、セマンティックシーンセグメンテーションなどのタスクのためのセルフアテンションネットワークの構築に使用します。 ポイントトランスフォーマーの設計は、ドメインやタスク間の事前作業を改善する。
  論文  参考訳（メタデータ） (2020-12-16T18:58:56Z)
• PointGroup: Dual-Set Point Grouping for 3D Instance Segmentation [111.7241018610573]
  私たちは、インスタンスセグメンテーションのための新しいエンドツーエンドボトムアップアーキテクチャであるPointGroupを紹介します。 我々は2分岐ネットワークを設計し、ポイントの特徴を抽出し、セマンティックラベルとオフセットを予測し、各ポイントをそれぞれのインスタンスセントロイドに向けてシフトさせる。 クラスタリングコンポーネントは、元のおよびオフセットシフトされた点座標セットの両方を利用するために、その相補的な強度を利用する。 ScanNet v2 と S3DIS の2つの挑戦的データセットに対する広範な実験を行い、ScanNet v2 と S3DIS が最も高い性能を達成し、63.6% と 64.0% の2つを以前のベストが達成した54.9% と54.4% と比較した。
  論文  参考訳（メタデータ） (2020-04-03T16:26:37Z)

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。