論文の概要: O2RNet: Occluder-Occludee Relational Network for Robust Apple Detection
in Clustered Orchard Environments
- arxiv url: http://arxiv.org/abs/2303.04884v1
- Date: Wed, 8 Mar 2023 20:46:05 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-10 16:59:10.998320
- Title: O2RNet: Occluder-Occludee Relational Network for Robust Apple Detection
in Clustered Orchard Environments
- Title(参考訳): o2rnet:occluder-occludeeリレーショナルネットワークによるオーチャード環境におけるロバストリンゴ検出
- Authors: Pengyu Chu, Zhaojian Li, Kaixiang Zhang, Dong Chen, Kyle Lammers and
Renfu Lu
- Abstract要約: 深層学習に基づくリンゴ検出フレームワークOccluder-Occludee Comprehensive Network(O2RNet)の開発について述べる。
開発されたO2RNetは、最先端モデルよりも94%高い精度でF1スコアが0.88である。
- 参考スコア(独自算出の注目度): 10.045174456984412
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Automated apple harvesting has attracted significant research interest in
recent years due to its potential to revolutionize the apple industry,
addressing the issues of shortage and high costs in labor. One key technology
to fully enable efficient automated harvesting is accurate and robust apple
detection, which is challenging due to complex orchard environments that
involve varying lighting conditions and foliage/branch occlusions. Furthermore,
clustered apples are common in the orchard, which brings additional challenges
as the clustered apples may be identified as one apple. This will cause issues
in localization for subsequent robotic operations. In this paper, we present
the development of a novel deep learning-based apple detection framework,
Occluder-Occludee Relational Network (O2RNet), for robust detection of apples
in such clustered environments. This network exploits the occuluder-occludee
relationship modeling head by introducing a feature expansion structure to
enable the combination of layered traditional detectors to split clustered
apples and foliage occlusions. More specifically, we collect a comprehensive
apple orchard image dataset under different lighting conditions (overcast,
front lighting, and back lighting) with frequent apple occlusions. We then
develop a novel occlusion-aware network for apple detection, in which a feature
expansion structure is incorporated into the convolutional neural networks to
extract additional features generated by the original network for occluded
apples. Comprehensive evaluations are performed, which show that the developed
O2RNet outperforms state-of-the-art models with a higher accuracy of 94\% and a
higher F1-score of 0.88 on apple detection.
- Abstract(参考訳): 自動化されたリンゴ収穫は、近年、apple産業に革命をもたらす可能性があり、不足と労働コストの高騰に対処し、大きな研究の関心を集めている。
効率的な自動収穫を可能にする1つの重要な技術は、正確で堅牢なリンゴ検出であり、これは、様々な照明条件と葉・枝の閉塞を含む複雑な果樹園環境のために困難である。
さらに、塊状リンゴは果樹園で一般的であり、塊状リンゴは一つのリンゴと同一視されるため、さらなる課題が生じる。
これはその後のロボット操作のローカライズに問題を引き起こす。
本稿では,このようなクラスタ環境におけるリンゴのロバスト検出を目的とした,新しいディープラーニングベースのリンゴ検出フレームワークoccluder-occludee relational network(o2rnet)の開発について述べる。
このネットワークはocculuder-occludee関係モデリングヘッドを活用し、階層化された従来の検出器を分割したリンゴと葉の閉塞を可能にする機能拡張構造を導入する。
より具体的には、appleのオーチャード画像データセットを、度重なるappleオクルージョンを伴う異なる照明条件(オーバーキャスト、フロントライティング、バックライティング)で収集する。
次に, apple 検出のための新しいオクルージョン・アウェア・ネットワークを開発し,その機能拡張構造を畳み込みニューラルネットワークに組み込んで,オクルージョン・アウェア・リンゴの本来のネットワークが生成する追加機能を抽出する。
包括的評価を行い, 開発したo2rnetの精度は94\%, f1-scoreは0.88。
関連論文リスト
- Active search and coverage using point-cloud reinforcement learning [50.741409008225766]
本稿では,目的探索とカバレッジのためのエンドツーエンドの深層強化学習ソリューションを提案する。
RLの深い階層的特徴学習は有効であり、FPS(Fastthest Point sample)を用いることで点数を削減できることを示す。
また、ポイントクラウドに対するマルチヘッドの注意がエージェントの学習を高速化する上で有効であるが、同じ結果に収束することを示す。
論文 参考訳(メタデータ) (2023-12-18T18:16:30Z) - S$^3$AD: Semi-supervised Small Apple Detection in Orchard Environments [3.1979650133817206]
作物検出は、自動収量推定や果物の摘みなど、精密農業用途に不可欠である。
本研究では,リンゴ検出タスクを半教師付きで再構築することで課題に対処する。
14,667個のアノテートリンゴインスタンスと4,440個の未ラベル画像からなる105個のラベル付き画像からなる、大規模で高解像度のデータセットMADを提供する。
また,小型リンゴの検出の難易度を高めるため,コンテキストアテンションと選択タイリングに基づく半スーパービジョン型小型アップル検出システムS$3$ADを提案する。
論文 参考訳(メタデータ) (2023-11-08T21:25:27Z) - Secure Deep Learning-based Distributed Intelligence on Pocket-sized
Drones [75.80952211739185]
パームサイズのナノドロンはエッジノードの魅力的なクラスであるが、その限られた計算資源は大規模なディープラーニングモデルの実行を妨げている。
エッジフォッグ計算のパラダイムを採用することで、計算の一部をフォグにオフロードすることができるが、フォグノードや通信リンクが信頼できない場合、セキュリティ上の懸念が生じる。
ナノドローン上でランダムなサブネットワークを冗長に実行することにより,霧の計算を検証する分散エッジフォッグ実行方式を提案する。
論文 参考訳(メタデータ) (2023-07-04T08:29:41Z) - Semi-Supervised and Long-Tailed Object Detection with CascadeMatch [91.86787064083012]
そこで我々はCascadeMatchと呼ばれる新しい擬似ラベル型検出器を提案する。
我々の検出器は、プログレッシブな信頼しきい値を持つ多段検出ヘッドを備えたカスケードネットワークアーキテクチャを備えている。
CascadeMatchは、長い尾のオブジェクト検出の処理において、既存の最先端の半教師付きアプローチを超越していることを示す。
論文 参考訳(メタデータ) (2023-05-24T07:09:25Z) - Self-Supervised Masked Convolutional Transformer Block for Anomaly
Detection [122.4894940892536]
本稿では, 自己監督型マスク型畳み込み変圧器ブロック (SSMCTB) について述べる。
本研究では,従来の自己教師型予測畳み込み抑止ブロック(SSPCAB)を3次元マスク付き畳み込み層,チャンネルワイドアテンション用トランスフォーマー,およびハマーロスに基づく新たな自己教師型目標を用いて拡張する。
論文 参考訳(メタデータ) (2022-09-25T04:56:10Z) - Localizing Small Apples in Complex Apple Orchard Environments [4.468952886990851]
本研究では, オブジェクト提案生成システムであるAttentionMaskを適応させることにより, リンゴ全体の画像中のリンゴの局在化の問題に対処する。
AttentionMaskは、非常に小さなリンゴ用の新しいモジュールを追加するか、ティリングフレームワークに統合することで適応します。
どちらのアプローチも、MinneAppleデータセットの標準オブジェクト提案生成システムよりも明らかに優れています。
論文 参考訳(メタデータ) (2022-02-23T09:25:37Z) - Neural Pruning via Growing Regularization [82.9322109208353]
プルーニングの2つの中心的な問題:プルーニングのスケジュールと重み付けの重要度だ。
具体的には, ペナルティ要因が増大するL2正規化変種を提案し, 精度が著しく向上することを示した。
提案アルゴリズムは,構造化プルーニングと非構造化プルーニングの両方において,大規模データセットとネットワークの実装が容易かつスケーラブルである。
論文 参考訳(メタデータ) (2020-12-16T20:16:28Z) - DeepApple: Deep Learning-based Apple Detection using a Suppression Mask
R-CNN [15.58696661701869]
この書簡は、Deep Appleという新しいディープラーニングベースのリンゴ検出フレームワークの開発について報告する。
まず、カラーカメラを用いて、異なる照明条件下で「ガラ」と「ブロンディー」のリンゴ果樹園の包括的なデータセットを収集する。
そこで我々は,リンゴ検出のための新しい抑制Mask R-CNNを開発した。
論文 参考訳(メタデータ) (2020-10-19T21:07:46Z) - Deep Learning for Apple Diseases: Classification and Identification [0.5735035463793008]
病気や害虫は、毎年リンゴ産業に大きな経済的損失をもたらします。
本研究では,リンゴ病の同定と分類のための深層学習に基づくアプローチを提案する。
論文 参考訳(メタデータ) (2020-07-06T18:08:58Z) - Real-Time Apple Detection System Using Embedded Systems With Hardware
Accelerators: An Edge AI Application [1.3764085113103222]
提案した研究は、小さな物体を検出するためにYOLOv3-tinyアーキテクチャを適用した。
これは、安価で電力効率のよい組み込みハードウェアにカスタマイズされたモデルをデプロイできる可能性を示している。
提案した組込みソリューションは、無人の地上車両に展開して、リンゴの大きさを検出し、数え、測定することができる。
論文 参考訳(メタデータ) (2020-04-28T10:40:01Z) - Automatic Perturbation Analysis for Scalable Certified Robustness and
Beyond [171.07853346630057]
ニューラルネットワークに対する線形緩和に基づく摂動解析(LiRPA)は、堅牢性検証と認証防御のコアコンポーネントとなっている。
我々は任意のニューラルネットワーク構造上で摂動解析を可能にするための自動フレームワークを開発する。
我々は、Tiny ImageNetとDownscaled ImageNetのLiRPAベースの認証防御を実証する。
論文 参考訳(メタデータ) (2020-02-28T18:47:43Z)
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。