論文の概要: Hierarchical Approach for Joint Semantic, Plant Instance, and Leaf
Instance Segmentation in the Agricultural Domain
- arxiv url: http://arxiv.org/abs/2210.07879v2
- Date: Wed, 14 Jun 2023 14:24:57 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-17 03:22:56.243789
- Title: Hierarchical Approach for Joint Semantic, Plant Instance, and Leaf
Instance Segmentation in the Agricultural Domain
- Title（参考訳）: 農業領域におけるジョイントセマンティクス,植物インスタンス,葉のインスタンスセグメンテーションの階層的アプローチ
- Authors: Gianmarco Roggiolani, Matteo Sodano, Tiziano Guadagnino, Federico
Magistri, Jens Behley, Cyrill Stachniss
- Abstract要約: 植物表現型は、植物の成長段階、発達、その他の関連する量を記述するため、農業において中心的な課題である。
本稿では,RGBデータから作物の連接意味,植物インスタンス,葉のインスタンスセグメンテーションの問題に対処する。
本稿では,3つのタスクを同時に処理する単一畳み込みニューラルネットワークを提案する。
- 参考スコア（独自算出の注目度）: 29.647846446064992
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Plant phenotyping is a central task in agriculture, as it describes plants'
growth stage, development, and other relevant quantities. Robots can help
automate this process by accurately estimating plant traits such as the number
of leaves, leaf area, and the plant size. In this paper, we address the problem
of joint semantic, plant instance, and leaf instance segmentation of crop
fields from RGB data. We propose a single convolutional neural network that
addresses the three tasks simultaneously, exploiting their underlying
hierarchical structure. We introduce task-specific skip connections, which our
experimental evaluation proves to be more beneficial than the usual schemes. We
also propose a novel automatic post-processing, which explicitly addresses the
problem of spatially close instances, common in the agricultural domain because
of overlapping leaves. Our architecture simultaneously tackles these problems
jointly in the agricultural context. Previous works either focus on plant or
leaf segmentation, or do not optimise for semantic segmentation. Results show
that our system has superior performance compared to state-of-the-art
approaches, while having a reduced number of parameters and is operating at
camera frame rate.
- Abstract（参考訳）: 植物表現型は、植物の成長段階、発達、その他の関連する量を記述するため、農業において中心的な役割である。
ロボットは、葉の数、葉面積、植物の大きさなどの植物形質を正確に推定することで、このプロセスの自動化を支援する。
本稿では,RGBデータから作物の連接意味,植物インスタンス,葉のインスタンスセグメンテーションの問題に対処する。
本稿では,3つのタスクを同時に処理し,その基盤となる階層構造を活用する畳み込みニューラルネットワークを提案する。
タスク固有のスキップ接続を導入することで,従来のスキームよりも有益であることが実験的評価で証明される。
また,葉の重なり合っているため,農業領域に共通する空間的近接インスタンスの問題に明示的に対処する,新しい自動後処理を提案する。
私たちのアーキテクチャは、農業の文脈で同時にこれらの問題に取り組みます。
以前の作品は植物または葉のセグメンテーションに焦点を当てるか、意味的なセグメンテーションを最適化しない。
その結果,システムの性能は最先端の手法に比べて優れ,パラメータ数が減少し,カメラフレームレートで動作していることがわかった。
関連論文リスト
- GMT: Guided Mask Transformer for Leaf Instance Segmentation [14.458970589296554]
葉のインスタンスセグメンテーション(Leaf instance segmentation)は、植物のイメージ内の各葉の分離とデライン化を目的とした、困難なタスクである。
本稿では,葉の空間分布をトランスフォーマーベースのセグメンタに利用し,統合するガイドマスクトランス (GMT) を提案する。
我々のGMTは、3つの公開植物データセットの最先端を一貫して上回ります。
論文 参考訳（メタデータ） (2024-06-24T19:52:27Z) - Generating Diverse Agricultural Data for Vision-Based Farming Applications [74.79409721178489]
このモデルは, 植物の成長段階, 土壌条件の多様性, 照明条件の異なるランダム化フィールド配置をシミュレートすることができる。
我々のデータセットにはセマンティックラベル付き12,000の画像が含まれており、精密農業におけるコンピュータビジョンタスクの包括的なリソースを提供する。
論文 参考訳（メタデータ） (2024-03-27T08:42:47Z) - Unsupervised Pre-Training for 3D Leaf Instance Segmentation [34.122575664767915]
本稿では,3次元点雲上でのリーフインスタンスセグメンテーションの実行に必要なラベル付けの労力を削減する問題に対処する。
本稿では,ネットワークのバックボーンを初期化するための,自己教師型タスク固有の事前学習手法を提案する。
また,茎近傍の点を正確に区分けすることの難しさを考慮した新しい自動後処理も導入した。
論文 参考訳（メタデータ） (2024-01-16T08:11:08Z) - Zoom in on the Plant: Fine-grained Analysis of Leaf, Stem and Vein
Instances [3.399289369740637]
本研究では,葉,茎,静脈などの微細な表現型情報を抽出するモデルを開発した。
基盤となるデータセットRumexLeavesは公開されており、この種の最初のものである。
キーポイント誘導ポリラインの概念に従う適応された計量POKSを導入する。
論文 参考訳（メタデータ） (2023-12-14T10:45:54Z) - Domain Generalization for Crop Segmentation with Standardized Ensemble Knowledge Distillation [42.39035033967183]
サービスロボットは、周囲を理解し、野生のターゲットを識別するリアルタイム認識システムが必要です。
しかし、既存の方法はしばしば、新しい作物や環境条件への一般化において不足している。
本稿では,知識蒸留を用いた領域一般化手法を提案する。
論文 参考訳（メタデータ） (2023-04-03T14:28:29Z) - Semantic Image Segmentation with Deep Learning for Vine Leaf Phenotyping [59.0626764544669]
本研究では,ブドウの葉のイメージを意味的にセグメント化するためにDeep Learning法を用いて,葉の表現型自動検出システムを開発した。
私たちの研究は、成長や開発のような動的な特性を捉え定量化できる植物ライフサイクルのモニタリングに寄与します。
論文 参考訳（メタデータ） (2022-10-24T14:37:09Z) - Graph Reasoning Transformer for Image Parsing [67.76633142645284]
本稿では,画像解析のためのグラフ推論変換器(GReaT)を提案する。
従来の変圧器と比較して、GReaTは高い相互作用効率とより目的のある相互作用パターンを有する。
その結果、GReaTは、最先端のトランスフォーマーベースラインにわずかに計算オーバーヘッドを伴って、一貫した性能向上を実現していることがわかった。
論文 参考訳（メタデータ） (2022-09-20T08:21:37Z) - Iterative Scene Graph Generation [55.893695946885174]
シーングラフ生成は、オブジェクトエンティティとその対応する相互作用述語を所定の画像(またはビデオ)で識別する。
シーングラフ生成への既存のアプローチは、推定イテレーションの実現を可能にするために、関節分布の特定の因子化を前提としている。
本稿では,この制限に対処する新しいフレームワークを提案するとともに,画像に動的条件付けを導入する。
論文 参考訳（メタデータ） (2022-07-27T10:37:29Z) - A Trainable Optimal Transport Embedding for Feature Aggregation and its
Relationship to Attention [96.77554122595578]
固定サイズのパラメータ化表現を導入し、与えられた入力セットから、そのセットとトレーニング可能な参照の間の最適な輸送計画に従って要素を埋め込み、集約する。
我々のアプローチは大規模なデータセットにスケールし、参照のエンドツーエンドのトレーニングを可能にすると同時に、計算コストの少ない単純な教師なし学習メカニズムも提供する。
論文 参考訳（メタデータ） (2020-06-22T08:35:58Z) - Two-View Fine-grained Classification of Plant Species [66.75915278733197]
本研究では,2視点の葉のイメージ表現に基づく新しい手法と,植物種の粒度認識のための階層的分類戦略を提案する。
シームズ畳み込みニューラルネットワークに基づく深度測定は、多数のトレーニングサンプルへの依存を減らし、新しい植物種に拡張性を持たせるために用いられる。
論文 参考訳（メタデータ） (2020-05-18T21:57:47Z) - Deep Transfer Learning For Plant Center Localization [19.322420819302263]
本稿では,無人航空機(UAV)を用いたRGB空中画像を用いた畑型作物の立地推定手法について検討する。
深層学習アプローチは、RGB画像で観察された植物を探索するために有望な能力を提供するが、トレーニングには大量のラベル付きデータ(地上真実)を必要とする。
そこで本研究では,限定的な地上真実データを用いて,既存モデルを新たなシナリオに移行することにより,プラント中心の推定手法を提案する。
論文 参考訳（メタデータ） (2020-04-29T06:29:49Z)
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。