Fugu-MT 論文翻訳(概要): Rice paddy disease classifications using CNNs

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

Longitudinal Modeling of Multiple Sclerosis using Continuous Time Models [58.156362328770676]
結果と人口統計の連続した時間モデルを用いて、疾患の進行を予測する。連続したモデルは、しばしば離散的な時間モデルよりも優れています。また、パフォーマンス向上の源を見つけるために、広範囲にわたるアブレーションを実施しています。
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)
Developing a Machine-Learning Algorithm to Diagnose Age-Related Macular Degeneration [0.0]
40歳以上で1200万人以上が眼疾患に悩まされている。眼疾患に対する機械学習アルゴリズムの利用が提案されている。本研究では,n が 0, -1, ... -6 である場合の学習速度 1 * 10n の6つのモデルを生成し,各モデルに対する f1 スコアを算出した。
論文参考訳（メタデータ） (2022-01-28T19:25:36Z)
Many-to-One Distribution Learning and K-Nearest Neighbor Smoothing for Thoracic Disease Identification [83.6017225363714]
ディープラーニングは、病気の識別性能を改善するための最も強力なコンピュータ支援診断技術となった。胸部X線撮影では、大規模データの注釈付けには専門的なドメイン知識が必要で、時間を要する。本論文では、単一モデルにおける疾患同定性能を改善するために、複数対1の分布学習(MODL)とK-nearest neighbor smoothing(KNNS)手法を提案する。
論文参考訳（メタデータ） (2021-02-26T02:29:30Z)
Classification of COVID-19 in CT Scans using Multi-Source Transfer Learning [91.3755431537592]
我々は,従来のトランスファー学習の改良にマルチソース・トランスファー・ラーニングを応用して,CTスキャンによる新型コロナウイルスの分類を提案する。マルチソースファインチューニングアプローチでは、ImageNetで微調整されたベースラインモデルよりも優れています。我々の最高のパフォーマンスモデルは、0.893の精度と0.897のリコールスコアを達成でき、ベースラインのリコールスコアを9.3%上回った。
論文参考訳（メタデータ） (2020-09-22T11:53:06Z)
Select-ProtoNet: Learning to Select for Few-Shot Disease Subtype Prediction [55.94378672172967]
本研究は, 類似患者のサブグループを同定し, 数発の疾患のサブタイプ予測問題に焦点を当てた。新しいモデルを開発するためにメタラーニング技術を導入し、関連する臨床課題から共通の経験や知識を抽出する。我々の新しいモデルは、単純だが効果的なメタ学習マシンであるPrototypeal Networkと呼ばれる、慎重に設計されたメタラーナーに基づいて構築されている。
論文参考訳（メタデータ） (2020-09-02T02:50:30Z)
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)
Predicting rice blast disease: machine learning versus process based models [0.7130302992490972]
稲芽病は水稲栽培において最も重要な生物的制約であり、毎年何百万ドルもの損失を生んでいる。稲芽予測は、稲作農家が病気を抑えるための主要な手段である。本研究は,植物病害管理を支援するためのプロセスベースおよび機械学習モデリングアプローチを初めて比較したものである。
論文参考訳（メタデータ） (2020-04-03T14:48:14Z)

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。