論文の概要: Generative models-based data labeling for deep networks regression:
application to seed maturity estimation from UAV multispectral images
- arxiv url: http://arxiv.org/abs/2208.04611v1
- Date: Tue, 9 Aug 2022 09:06:51 GMT
- ステータス: 処理完了
- システム内更新日: 2022-08-10 12:22:56.925343
- Title: Generative models-based data labeling for deep networks regression:
application to seed maturity estimation from UAV multispectral images
- Title（参考訳）: 深層ネットワーク回帰のための生成モデルに基づくデータラベリング:UAVマルチスペクトル画像からのシード成熟度推定への応用
- Authors: Eric Dericquebourg, Adel Hafiane, Raphael Canals
- Abstract要約: 種子の成熟度モニタリングは、気候変動とより制限的な慣行による農業における課題の増加である。
従来の手法は、フィールドでの限られたサンプリングと実験室での分析に基づいている。
マルチスペクトルUAV画像を用いたパセリ種子の成熟度推定手法の提案と,自動ラベリングのための新しいアプローチを提案する。
- 参考スコア（独自算出の注目度）: 3.6868861317674524
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Monitoring seed maturity is an increasing challenge in agriculture due to
climate change and more restrictive practices. Seeds monitoring in the field is
essential to optimize the farming process and to guarantee yield quality
through high germination. Traditional methods are based on limited sampling in
the field and analysis in laboratory. Moreover, they are time consuming and
only allow monitoring sub-sections of the crop field. This leads to a lack of
accuracy on the condition of the crop as a whole due to intra-field
heterogeneities. Multispectral imagery by UAV allows uniform scan of fields and
better capture of crop maturity information. On the other hand, deep learning
methods have shown tremendous potential in estimating agronomic parameters,
especially maturity. However, they require large labeled datasets. Although
large sets of aerial images are available, labeling them with ground truth is a
tedious, if not impossible task. In this paper, we propose a method for
estimating parsley seed maturity using multispectral UAV imagery, with a new
approach for automatic data labeling. This approach is based on parametric and
non-parametric models to provide weak labels. We also consider the data
acquisition protocol and the performance evaluation of the different steps of
the method. Results show good performance, and the non-parametric kernel
density estimator model can improve neural network generalization when used as
a labeling method, leading to more robust and better performing deep neural
models.
- Abstract（参考訳）: 種子の成熟度モニタリングは、気候変動とより制限的な慣行による農業における課題の増加である。
畑の種子のモニタリングは、農作業の最適化と高発芽による収量品質の確保に不可欠である。
従来の手法は、フィールドでの限られたサンプリングと実験室での分析に基づいている。
さらに、それらは時間がかかり、作物畑のサブセクションのみを監視できる。
このことは、畑内不均一性による作物全体の状態の正確さの欠如につながっている。
UAVによるマルチスペクトル画像は、畑の均一なスキャンと作物の成熟度情報のより優れたキャプチャを可能にする。
一方, 深層学習法は, 特に成熟度を推定する上で, 極めて有意な可能性を示唆している。
しかし、大きなラベル付きデータセットが必要です。
大量の空中画像が利用できるが、それらを地上の真実でラベル付けるのは面倒だが、不可能ではない。
本稿では,マルチスペクトルUAV画像を用いたパセリ種子の成熟度推定手法を提案し,新しいデータラベリング手法を提案する。
このアプローチはパラメトリックモデルと非パラメトリックモデルに基づいて弱いラベルを提供する。
また,データ取得プロトコルと手法の異なるステップの性能評価についても検討する。
結果は良好な性能を示し、非パラメトリックカーネル密度推定器モデルはラベル付け法でニューラルネットワークの一般化を改善することができ、より堅牢で優れたディープニューラルモデルを実現することができる。
関連論文リスト
- Open-Set Deepfake Detection: A Parameter-Efficient Adaptation Method with Forgery Style Mixture [58.60915132222421]
本稿では,顔偽造検出に汎用的かつパラメータ効率の高い手法を提案する。
フォージェリー・ソース・ドメインの多様性を増大させるフォージェリー・ミックス・フォーミュレーションを設計する。
設計したモデルは、トレーニング可能なパラメータを著しく減らし、最先端の一般化性を実現する。
論文 参考訳（メタデータ） (2024-08-23T01:53:36Z) - Enhancing crop classification accuracy by synthetic SAR-Optical data
generation using deep learning [0.0]
農業地域では、優占作物は典型的には1種または2種であり、他の作物は少ない。
農作物の地図を作成するためにトレーニングサンプルを集める際には、支配的な作物からのサンプルが多数存在し、多数派を形成している。
提案手法は, マイノリティクラスにおけるサンプル数を大幅に増加させることができる, 高品質な合成データを生成することを実証した。
論文 参考訳（メタデータ） (2024-02-03T11:07:50Z) - GenFace: A Large-Scale Fine-Grained Face Forgery Benchmark and Cross Appearance-Edge Learning [50.7702397913573]
フォトリアリスティック・ジェネレータの急速な進歩は、真の画像と操作された画像の相違がますます不明瞭になっている臨界点に達している。
公開されている顔の偽造データセットはいくつかあるが、偽造顔は主にGANベースの合成技術を用いて生成される。
我々は,大規模で多様できめ細かな高忠実度データセットであるGenFaceを提案し,ディープフェイク検出の進展を促進する。
論文 参考訳（メタデータ） (2024-02-03T03:13:50Z) - BonnBeetClouds3D: A Dataset Towards Point Cloud-based Organ-level
Phenotyping of Sugar Beet Plants under Field Conditions [30.27773980916216]
農業生産は今後数十年間、気候変動と持続可能性の必要性によって深刻な課題に直面している。
自律無人航空機(UAV)による作物のモニタリングと、ロボットによる非化学雑草によるフィールド管理の進歩は、これらの課題に対処するのに有用である。
表現型化と呼ばれる植物形質の分析は、植物の育種に不可欠な活動であるが、大量の手作業が伴う。
論文 参考訳（メタデータ） (2023-12-22T14:06:44Z) - Learning crop type mapping from regional label proportions in
large-scale SAR and optical imagery [9.303156731091532]
本研究は,作物ラベルの比率を事前に用いたオンラインディープクラスタリング手法を提案し,サンプルレベル分類器を学習する。
ブラジルの2つの異なる農業地域から得られた2つの大きなデータセットを用いて,本手法の評価を行った。
論文 参考訳（メタデータ） (2022-08-24T15:23:26Z) - 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) - High-Resolution UAV Image Generation for Sorghum Panicle Detection [23.88932181375298]
本稿では,データ拡張のためのGAN(Generative Adversarial Network)からの合成トレーニング画像を用いて,ソルガムパニックの検出とカウントの性能を向上させる手法を提案する。
提案手法は,実際のUAV RGB画像の地上真実データセットを限定した画像から画像への変換GANを用いて,パニックラベルを用いた合成高解像度UAV RGB画像を生成することができる。
論文 参考訳（メタデータ） (2022-05-08T20:26:56Z) - An Applied Deep Learning Approach for Estimating Soybean Relative
Maturity from UAV Imagery to Aid Plant Breeding Decisions [7.4022258821325115]
我々は,UAV画像の時系列を用いて,大豆の相対的成熟度を推定するための頑健で自動的なアプローチを開発した。
畳み込みニューラルネットワーク(CNN)とLong Short-Term Memory(LSTM)を組み合わせたエンドツーエンドハイブリッドモデルを提案する。
その結果,CNN-LSTMモデルの有効性を局所回帰法と比較した。
論文 参考訳（メタデータ） (2021-08-02T14:53:58Z) - Potato Crop Stress Identification in Aerial Images using Deep
Learning-based Object Detection [60.83360138070649]
本稿では, 深層ニューラルネットワークを用いたジャガイモの空中画像解析手法を提案する。
主な目的は、植物レベルでの健康作物とストレス作物の自動空間認識を実証することである。
実験により、フィールド画像中の健康植物とストレス植物を識別し、平均Dice係数0.74を達成できることを示した。
論文 参考訳（メタデータ） (2021-06-14T21:57:40Z) - Scalable Marginal Likelihood Estimation for Model Selection in Deep
Learning [78.83598532168256]
階層型モデル選択は、推定困難のため、ディープラーニングではほとんど使われない。
本研究は,検証データが利用できない場合,限界的可能性によって一般化が向上し,有用であることを示す。
論文 参考訳（メタデータ） (2021-04-11T09:50:24Z) - Deep Semi-supervised Knowledge Distillation for Overlapping Cervical
Cell Instance Segmentation [54.49894381464853]
本稿では, ラベル付きデータとラベルなしデータの両方を, 知識蒸留による精度向上に活用することを提案する。
摂動に敏感なサンプルマイニングを用いたマスク誘導型平均教師フレームワークを提案する。
実験の結果,ラベル付きデータのみから学習した教師付き手法と比較して,提案手法は性能を著しく向上することがわかった。
論文 参考訳（メタデータ） (2020-07-21T13:27:09Z)
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。