論文の概要: Rice paddy disease classifications using CNNs
- arxiv url: http://arxiv.org/abs/2303.08415v1
- Date: Wed, 15 Mar 2023 07:31:06 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-16 14:37:38.118339
- Title: Rice paddy disease classifications using CNNs
- Title(参考訳): CNNを用いた水田病分類
- Authors: Charles O'Neill
- Abstract要約: 米は世界有数の食料であるが、毎年大量の作物の収穫が病気によって失われている。
この問題に対処するため、人々は病気の診断を自動化する方法を模索してきた。
ここでは、モデルアーキテクチャとコンピュータビジョン技術の両方に対して、疾患分類精度がどのように敏感であるかを分析することによって、従来のモデリング作業を拡張した。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Rice is a staple food in the world's diet, and yet huge percentages of crop
yields are lost each year to disease. To combat this problem, people have been
searching for ways to automate disease diagnosis. Here, we extend on previous
modelling work by analysing how disease-classification accuracy is sensitive to
both model architecture and common computer vision techniques. In doing so, we
maximise accuracy whilst working in the constraints of smaller model sizes,
minimum GPUs and shorter training times. Whilst previous state-of-the-art
models had 93% accuracy only predicting 5 diseases, we improve this to 98.7%
using 10 disease classes.
- Abstract(参考訳): 米は世界の食生活において重要な食物であるが、毎年大量の収穫量が病気で失われている。
この問題に対処するため、人々は病気の診断を自動化する方法を模索してきた。
本稿では,病気分類精度がモデルアーキテクチャと一般的なコンピュータビジョン技術の両方にどのように影響するかを分析することにより,これまでのモデリング作業を拡張する。
これにより、より小さなモデルサイズ、最小のGPU、より短いトレーニング時間の制約に対処しながら、精度を最大化する。
従来の最先端モデルでは93%の精度で5つの疾患を予測できたが、10の病クラスで98.7%に改善した。
関連論文リスト
- Transfer Learning With Densenet201 Architecture Model For Potato Leaf
Disease Classification [0.0]
本研究では,DenseNet201アーキテクチャを用いたディープラーニング手法を提案する。
このモデルによる試験結果は、ジャガイモ葉病(92.5%)の分類に新たな精度をもたらした。
論文 参考訳(メタデータ) (2024-01-25T03:58:40Z) - Potato Leaf Disease Classification using Deep Learning: A Convolutional
Neural Network Approach [0.0]
コンボリューショナルニューラルネットワーク(CNN)は、ジャガイモの葉の病気を分類するために用いられる。
CNNモデルは、全体的な精度99.1%であり、2種類のジャガイモの葉の病気を同定するのに非常に正確である。
論文 参考訳(メタデータ) (2023-11-04T07:16:37Z) - Automatic diagnosis of knee osteoarthritis severity using Swin
transformer [55.01037422579516]
変形性膝関節症 (KOA) は膝関節の慢性的な痛みと硬直を引き起こす疾患である。
我々は,Swin Transformer を用いて KOA の重大度を予測する自動手法を提案する。
論文 参考訳(メタデータ) (2023-07-10T09:49:30Z) - Generative models improve fairness of medical classifiers under
distribution shifts [49.10233060774818]
データから現実的な拡張を自動的に学習することは、生成モデルを用いてラベル効率の良い方法で可能であることを示す。
これらの学習の強化は、モデルをより堅牢で統計的に公平に配布できることを示した。
論文 参考訳(メタデータ) (2023-04-18T18:15:38Z) - Benchmarking Continuous Time Models for Predicting Multiple Sclerosis
Progression [46.394865849252696]
多発性硬化症(英: multiple sclerosis)は、脳と脊髄に影響を及ぼす疾患であり、重度の障害を引き起こす可能性があり、既知の治療法がない。
最近の論文では, 成績評価と人口統計データを用いて, 疾患の進行を効果的に予測できることが示されている。
公開されている多発性硬化症データセットを用いて、4つの連続時間モデルをベンチマークする。
最高の継続的モデルは、しばしば最高のベンチマークされた個別の時間モデルより優れていることが分かりました。
論文 参考訳(メタデータ) (2023-02-15T18:45:32Z) - Improving Deep Facial Phenotyping for Ultra-rare Disorder Verification
Using Model Ensembles [52.77024349608834]
我々は、DCNNを最先端の顔認識手法であるiResNetとArcFaceに置き換える影響を分析する。
提案するアンサンブルモデルにより,目視と目視の両障害に対する最先端のパフォーマンスが達成される。
論文 参考訳(メタデータ) (2022-11-12T23:28:54Z) - Common human diseases prediction using machine learning based on survey
data [0.0]
我々は疾患の症状を分析し,その症状に基づいて疾患の予知を行った。
我々は様々な症状を調査し,その課題を完了させるために人から調査を受けた。
モデルのトレーニングにはいくつかの分類アルゴリズムが使用されている。
論文 参考訳(メタデータ) (2022-09-22T02:59:47Z) - Paddy Leaf diseases identification on Infrared Images based on
Convolutional Neural Networks [0.0]
本稿では、モデルに基づく畳み込みニューラルネットワーク(CNN)を実装し、636個の赤外線画像サンプルからなる公開データセットをテストする。
提案モデルでは5種類の水田病を同定し分類し,88.28%の精度を達成した。
論文 参考訳(メタデータ) (2022-07-29T18:24:29Z) - BERTHop: An Effective Vision-and-Language Model for Chest X-ray Disease
Diagnosis [42.917164607812886]
ヴィジュアル・アンド・ランゲージ(V&L)モデルは、画像とテキストを入力として取り、それら間の関連を捉えることを学ぶ。
BERTHopは、PixelHop++とVisualBERTをベースとしたトランスフォーマーベースのモデルで、2つのモダリティ間の関連をよりよく捉える。
論文 参考訳(メタデータ) (2021-08-10T21:51:25Z) - Method to Classify Skin Lesions using Dermoscopic images [0.0]
皮膚がんは、がん患者の3分の1を構成する既存の世界でもっとも一般的ながんである。
そこで本研究では,CNN(Convolution Neural Networks)をトレーニングモデルとして,皮膚画像を用いた皮膚病変の自動分類モデルを開発した。
このモデルが達成できる最良の精度は0.886である。
論文 参考訳(メタデータ) (2020-08-21T10:58:33Z) - Cross-lingual Transfer Learning for COVID-19 Outbreak Alignment [90.12602012910465]
われわれは、Twitterを通じてイタリアの新型コロナウイルス感染症(COVID-19)の早期流行を訓練し、他のいくつかの国に移る。
実験の結果,クロスカントリー予測において最大0.85のスピアマン相関が得られた。
論文 参考訳(メタデータ) (2020-06-05T02:04:25Z)
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。