論文の概要: Local Rose Breeds Detection System Using Transfer Learning Techniques
- arxiv url: http://arxiv.org/abs/2304.03509v1
- Date: Fri, 7 Apr 2023 07:02:25 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-10 12:42:43.468006
- Title: Local Rose Breeds Detection System Using Transfer Learning Techniques
- Title（参考訳）: 移動学習技術を用いた局所ローズ育種検出システム
- Authors: Amena Begum Farha, Md. Azizul Hakim, Mst. Eshita Khatun
- Abstract要約: 移譲学習法によるバラの育種検出は、一般公開されている特定の花の育種検出に関する最初の研究である。
バングラデシュのすべての地方花の中で、バラは最も人気があり、需要の多かった花の一つである。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Flower breed detection and giving details of that breed with the suggestion
of cultivation processes and the way of taking care is important for flower
cultivation, breed invention, and the flower business. Among all the local
flowers in Bangladesh, the rose is one of the most popular and demanded
flowers. Roses are the most desirable flower not only in Bangladesh but also
throughout the world. Roses can be used for many other purposes apart from
decoration. As roses have a great demand in the flower business so rose breed
detection will be very essential. However, there is no remarkable work for
breed detection of a particular flower unlike the classification of different
flowers. In this research, we have proposed a model to detect rose breeds from
images using transfer learning techniques. For such work in flowers, resources
are not enough in image processing and classification, so we needed a large
dataset of the massive number of images to train our model. we have used 1939
raw images of five different breeds and we have generated 9306 images for the
training dataset and 388 images for the testing dataset to validate the model
using augmentation. We have applied four transfer learning models in this
research, which are Inception V3, ResNet50, Xception, and VGG16. Among these
four models, VGG16 achieved the highest accuracy of 99%, which is an excellent
outcome. Breed detection of a rose by using transfer learning methods is the
first work on breed detection of a particular flower that is publicly available
according to the study.
- Abstract（参考訳）: 開花・育種・育種・花業において,開花プロセスの提案やケアの方法等により,開花品種の検出と詳細な情報提供が重要である。
バングラデシュのすべての地方花の中で、バラは最も人気があり、需要の多かった花の一つである。
バラはバングラデシュだけでなく世界中で最も好まれる花である。
バラは装飾以外の様々な用途に使用できる。
バラは花ビジネスに非常に需要があるため、バラの品種検出は非常に重要である。
しかし、異なる花の分類とは異なり、特定の花の品種検出には顕著な作業はない。
本研究では,移動学習技術を用いて,画像からバラ種を検出するモデルを提案する。
花におけるこのような作業では、画像処理や分類にはリソースが十分ではないため、モデルをトレーニングするために大量の画像のデータセットが必要でした。
1939年に5種類の生画像を使用し、トレーニングデータセットの9306画像とテストデータセットの388画像を生成して、拡張によるモデル検証を行った。
本研究では,Inception V3,ResNet50,Xception,VGG16の4つのトランスファー学習モデルを適用した。
これら4つのモデルのうち、VGG16は99%の最高精度を達成した。
移配学習法を用いたバラの品種検出は,本研究により公に入手可能な特定の花の品種検出に関する最初の研究である。
関連論文リスト
- Investigation to answer three key questions concerning plant pest identification and development of a practical identification framework [2.388418486046813]
334K画像を用いた精密で頑健で高速な植物害虫識別フレームワークを開発した。
我々の2段階植物害虫識別フレームワークは,91.0%,88.5%の精度とマクロF1スコアを達成できた。
論文 参考訳（メタデータ） (2024-07-25T12:49:24Z) - Good Seed Makes a Good Crop: Discovering Secret Seeds in Text-to-Image Diffusion Models [13.4617544015866]
拡散推論におけるランダム種子の影響について,大規模な科学的研究を行う。
我々は、最も優れた'金'シードが21.60の印象的なFIDを達成したのに対し、最悪の'金'シードのFIDは31.97であることがわかった。
分類器は、わずか数回で99.9%以上の精度で画像を生成するために使用されるシード番号を予測することができる。
論文 参考訳（メタデータ） (2024-05-23T17:46:23Z) - LAKE-RED: Camouflaged Images Generation by Latent Background Knowledge Retrieval-Augmented Diffusion [53.98099367578345]
カモフラージュ画像生成のためのLAKE-RED(Latent background Retrieval-Augmented Diffusion)を提案する。
本手法は,カモフラージュ生成のための解釈可能性を持つ知識検索拡張手法である。
実験の結果,本手法は既存の手法よりも優れていることがわかった。
論文 参考訳（メタデータ） (2024-03-30T08:51:23Z) - Text-to-Image Diffusion Models are Great Sketch-Photo Matchmakers [120.49126407479717]
本稿では,ゼロショットスケッチに基づく画像検索(ZS-SBIR)のためのテキスト・画像拡散モデルについて検討する。
スケッチと写真の間のギャップをシームレスに埋めるテキストと画像の拡散モデルの能力。
論文 参考訳（メタデータ） (2024-03-12T00:02:03Z) - Diffusion Facial Forgery Detection [56.69763252655695]
本稿では,顔に焦点をあてた拡散生成画像を対象とした包括的データセットであるDiFFを紹介する。
人体実験といくつかの代表的な偽造検出手法を用いて,DiFFデータセットの広範な実験を行った。
その結果、人間の観察者と自動検出者の2値検出精度は30%以下であることが判明した。
論文 参考訳（メタデータ） (2024-01-29T03:20:19Z) - Reverse Stable Diffusion: What prompt was used to generate this image? [73.10116197883303]
本研究では, 生成拡散モデルにより生成された画像に対して, 迅速な埋め込みを予測できる課題について検討する。
本稿では,複数ラベルの語彙分類を目的とする共同学習フレームワークを提案する。
我々はDiffusionDBデータセットの実験を行い、安定拡散によって生成された画像からテキストプロンプトを予測する。
論文 参考訳（メタデータ） (2023-08-02T23:39:29Z) - Few-Shot Learning Enables Population-Scale Analysis of Leaf Traits in
Populus trichocarpa [1.9089478605920305]
この研究は、(i)最小のトレーニングデータを必要とする高速で正確な画像ベースの特徴抽出のための方法と、(ii)68種類の葉の表現型を含む新しい集団規模のデータセットを、ドメイン科学者や機械学習研究者向けに植物表現型コミュニティに提供するように設計されている。
数発の学習コード、データ、結果はすべて公開されています。
論文 参考訳（メタデータ） (2023-01-24T23:40:01Z) - Plant Species Classification Using Transfer Learning by Pretrained
Classifier VGG-19 [1.933681537640272]
本稿では,スウェーデンの葉の色を分離し,植物種を同定する手法について述べる。
高い精度を達成するために、事前に訓練された分類器VGG-19の助けを借りて、伝達学習を用いてタスクを完了させる。
このモデルは15の木のクラスを含むスウェーデンの葉のデータセットの側面に関連する知識を取得し、99.70%の精度で未知の植物の適切なクラスを予測するのに役立つ。
論文 参考訳（メタデータ） (2022-09-07T11:28:50Z) - One-Shot Learning with Triplet Loss for Vegetation Classification Tasks [45.82374977939355]
三重項損失関数は、ワンショット学習タスクの精度を大幅に向上できる選択肢の1つである。
2015年からは、多くのプロジェクトがシームズネットワークとこの種の損失を顔認識とオブジェクト分類に利用している。
論文 参考訳（メタデータ） (2020-12-14T10:44:22Z) - Bombus Species Image Classification [0.2351364540155133]
昆虫学者や生態学者などは、フィールドワークや研究で遭遇したバンブルミツバチの種を迅速かつ正確に特定することに苦慮している。
本研究では,移動学習から派生した画像分類システムが,この課題に対処できるかどうかを検討した。
Google Inception、Oxford VGG16、VGG19、Microsoft ResNet 50を使いました。
論文 参考訳（メタデータ） (2020-06-09T21:28:32Z) - 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)
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。