論文の概要: SQ-Swin: a Pretrained Siamese Quadratic Swin Transformer for Lettuce
Browning Prediction
- arxiv url: http://arxiv.org/abs/2209.07683v1
- Date: Fri, 16 Sep 2022 02:45:28 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-19 12:43:54.019379
- Title: SQ-Swin: a Pretrained Siamese Quadratic Swin Transformer for Lettuce
Browning Prediction
- Title（参考訳）: SQ-Swin:レタスブラニング予測のための事前訓練されたシームズ擬似スイム変圧器
- Authors: Dayang Wang, Boce Zhang, Yongshun Xu, Yaguang Luo, Hengyong Yu
- Abstract要約: レタスカットエッジの茶色化は、製品の質と棚の寿命を著しく低下させる。
ブラウニングの同定と定量化の現在の方法は、主観的すぎるか、労働集約的であるか、不正確なかのいずれかである。
事前訓練したシームズ擬似スイム変圧器を用いたレタスブラウニング予測のための深層学習モデルを提案する。
- 参考スコア（独自算出の注目度）: 4.371838102895419
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Packaged fresh-cut lettuce is widely consumed as a major component of
vegetable salad owing to its high nutrition, freshness, and convenience.
However, enzymatic browning discoloration on lettuce cut edges significantly
reduces product quality and shelf life. While there are many research and
breeding efforts underway to minimize browning, the progress is hindered by the
lack of a rapid and reliable methodology to evaluate browning. Current methods
to identify and quantify browning are either too subjective, labor intensive,
or inaccurate. In this paper, we report a deep learning model for lettuce
browning prediction. To the best of our knowledge, it is the first-of-its-kind
on deep learning for lettuce browning prediction using a pretrained Siamese
Quadratic Swin (SQ-Swin) transformer with several highlights. First, our model
includes quadratic features in the transformer model which is more powerful to
incorporate real-world representations than the linear transformer. Second, a
multi-scale training strategy is proposed to augment the data and explore more
of the inherent self-similarity of the lettuce images. Third, the proposed
model uses a siamese architecture which learns the inter-relations among the
limited training samples. Fourth, the model is pretrained on the ImageNet and
then trained with the reptile meta-learning algorithm to learn higher-order
gradients than a regular one. Experiment results on the fresh-cut lettuce
datasets show that the proposed SQ-Swin outperforms the traditional methods and
other deep learning-based backbones.
- Abstract（参考訳）: 包装された新鮮なレタスは、栄養、鮮度、利便性が高いため、野菜サラダの主要成分として広く消費されている。
しかし、レタス切片の酵素変色は、製品品質と棚寿命を著しく低下させる。
ブラウニングを最小化するために多くの研究と育種が進行中であるが、ブラウニングを評価するための迅速かつ信頼性の高い方法論が欠如しているため、進歩は妨げられている。
現在のブラウニングを識別し定量化する方法は、主観的すぎるか、労働集約的か、不正確なかのどちらかである。
本稿では,レタスブラウニング予測のための深層学習モデルについて報告する。
我々の知る限りでは、事前訓練されたシームズ・クアドラティック・スウィン(SQ-Swin)トランスフォーマーを用いて、レタス・ブラウニング予測のための深層学習の第一種である。
まず,本モデルは線形トランスフォーマーよりも実世界の表現を組み込むのに強力なトランスフォーマーモデルに二次的特徴を含む。
第二に、データを増強し、レタス画像固有の自己相似性を探求するマルチスケールトレーニング戦略を提案する。
第3に,提案モデルでは,限られたトレーニングサンプル間の相互関係を学習するsiameseアーキテクチャを用いる。
第4に、モデルはimagenetで事前トレーニングされ、その後、レプティルメタラーニングアルゴリズムでトレーニングされ、通常のものよりも高次勾配を学ぶ。
新しくカットされたレタスデータセットの実験結果は、提案されたSQ-Swinが従来の手法や他のディープラーニングベースのバックボーンよりも優れていることを示している。
関連論文リスト
- TrAct: Making First-layer Pre-Activations Trainable [65.40281259525578]
視覚モデルの第1層の訓練について検討し、画素値と更新等級の関係を明確にする。
コントラストの低い画像は、高いコントラストのイメージよりも学習への影響が小さい。
非常に明るい、または非常に暗い画像は、適度な明るさのイメージよりも重量に強い影響を与える。
論文 参考訳（メタデータ） (2024-10-31T14:25:55Z) - Parameter-Efficient and Memory-Efficient Tuning for Vision Transformer: A Disentangled Approach [87.8330887605381]
本稿では,学習可能なパラメータをわずかに限定して,事前学習した視覚変換器を下流認識タスクに適用する方法を示す。
学習可能で軽量なモジュールを用いてタスク固有のクエリを合成する。
本手法はメモリ制約下での最先端性能を実現し,実環境における適用性を示す。
論文 参考訳（メタデータ） (2024-07-09T15:45:04Z) - Calibrating the Rigged Lottery: Making All Tickets Reliable [14.353428281239665]
信頼性校正を改善したスパースモデルを生成するための新しいスパーストレーニング手法を提案する。
本手法は,計算量や記憶負荷をわずかに増加させるだけで,同時に精度を向上する。
論文 参考訳（メタデータ） (2023-02-18T15:53:55Z) - Slimmable Networks for Contrastive Self-supervised Learning [69.9454691873866]
自己教師付き学習は、大規模なモデルを事前訓練する上で大きな進歩を遂げるが、小さなモデルでは苦労する。
追加の教師を必要とせず、訓練済みの小型モデルを得るための1段階のソリューションも導入する。
スリム化可能なネットワークは、完全なネットワークと、様々なネットワークを得るために一度にトレーニングできるいくつかの重み共有サブネットワークから構成される。
論文 参考訳（メタデータ） (2022-09-30T15:15:05Z) - Facilitated machine learning for image-based fruit quality assessment in
developing countries [68.8204255655161]
自動画像分類は食品科学における教師あり機械学習の一般的な課題である。
事前学習型視覚変換器(ViT)に基づく代替手法を提案する。
標準的なデバイス上で限られたリソースで簡単に実装できる。
論文 参考訳（メタデータ） (2022-07-10T19:52:20Z) - EXPANSE: A Deep Continual / Progressive Learning System for Deep
Transfer Learning [1.1024591739346294]
現在のDTL技術は、破滅的な忘れジレンマまたは過度に偏った事前訓練モデルに悩まされている。
本稿では,これらの制約に対処する深層移動学習のための新しい連続的・進行的学習手法を提案する。
私たちは、人間の教育システムにインスパイアされたディープラーニングモデルをトレーニングする新しい方法を提供する。
論文 参考訳（メタデータ） (2022-05-19T03:54:58Z) - Query-Efficient Black-box Adversarial Attacks Guided by a Transfer-based
Prior [50.393092185611536]
対象モデルの勾配にアクセスできることなく、敵が敵の例を作らなければならないブラックボックスの敵設定を考える。
従来の手法では、代用ホワイトボックスモデルの転送勾配を用いたり、モデルクエリのフィードバックに基づいて真の勾配を近似しようとした。
偏りサンプリングと勾配平均化に基づく2つの事前誘導型ランダム勾配フリー(PRGF)アルゴリズムを提案する。
論文 参考訳（メタデータ） (2022-03-13T04:06:27Z) - Online Continual Learning For Visual Food Classification [7.704949298975352]
既存の方法はトレーニングのために静的なデータセットを必要としており、シーケンシャルに利用可能な新しい食品画像から学ぶことができない。
本稿では,各学習食品に含まれる最も代表的なデータを格納するための,クラスタリングに基づく模範選択アルゴリズムを提案する。
その結果,既存のオンライン連続学習手法と比較して,大幅な改善が見られた。
論文 参考訳（メタデータ） (2021-08-15T17:48:03Z) - Zoo-Tuning: Adaptive Transfer from a Zoo of Models [82.9120546160422]
Zoo-Tuningは、事前訓練されたモデルのパラメータをターゲットタスクに適応的に転送することを学ぶ。
我々は、強化学習、画像分類、顔のランドマーク検出など、様々なタスクに対するアプローチを評価した。
論文 参考訳（メタデータ） (2021-06-29T14:09:45Z) - SWP-LeafNET: A novel multistage approach for plant leaf identification
based on deep CNN [1.9981375888949475]
葉分類は、植物種の自動識別のためのコンピュータビジョンタスクである。
近年、研究者は深層学習に基づく手法に傾倒している。
本稿では,植物学者の行動が葉の識別においてモデル化され,行動類似度を最大化するための高効率な手法を提案する。
論文 参考訳（メタデータ） (2020-09-10T20:28:57Z) - Why to "grow" and "harvest" deep learning models? [0.0]
1)透明性、2)高収束率、3)高誘導バイアス。
これら3つの条件のすべてにおいて、人当たり成長と収穫率のバランスの取れた2つの値を持つ勾配勾配勾配(SGD)が、最も一般的な適応勾配法よりも優れていることを示す。
論文 参考訳（メタデータ） (2020-08-08T11:55:24Z)
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。