論文の概要: Semi-Supervised Object Detection for Sorghum Panicles in UAV Imagery
- arxiv url: http://arxiv.org/abs/2305.09810v1
- Date: Tue, 16 May 2023 21:24:26 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-18 18:20:04.474498
- Title: Semi-Supervised Object Detection for Sorghum Panicles in UAV Imagery
- Title(参考訳): UAV画像におけるソルガムパニクルの半監督対象検出
- Authors: Enyu Cai, Jiaqi Guo, Changye Yang, Edward J. Delp
- Abstract要約: ソルガムパニックは 穀物の収量と 植物の発達に関連する重要な特徴です
パニックに対する現在のディープラーニングに基づくオブジェクト検出手法は、大量のトレーニングデータを必要とする。
本稿では,半教師付き学習によるソルガムパニック検出のためのトレーニングデータの量を削減するためのアプローチを提案する。
- 参考スコア(独自算出の注目度): 22.441677896192363
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The sorghum panicle is an important trait related to grain yield and plant
development. Detecting and counting sorghum panicles can provide significant
information for plant phenotyping. Current deep-learning-based object detection
methods for panicles require a large amount of training data. The data labeling
is time-consuming and not feasible for real application. In this paper, we
present an approach to reduce the amount of training data for sorghum panicle
detection via semi-supervised learning. Results show we can achieve similar
performance as supervised methods for sorghum panicle detection by only using
10\% of original training data.
- Abstract(参考訳): パニックは、穀物の収量と植物の発達に関連する重要な特徴である。
ソルガムのパニックの検出と計数は、植物の表現型に重要な情報を提供する。
パニックに対する現在のディープラーニングに基づくオブジェクト検出手法は、大量のトレーニングデータを必要とする。
データラベリングは時間がかかり、実際のアプリケーションでは実現できません。
本稿では,半教師付き学習によるソルガムパニック検出のための訓練データ量を削減する手法を提案する。
その結果,オリジナルトレーニングデータの10\%のみを用いて,sorghum panicle検出のための教師付き手法と同等の性能が得られることがわかった。
関連論文リスト
- Classifier Guidance Enhances Diffusion-based Adversarial Purification by Preserving Predictive Information [75.36597470578724]
敵の浄化は、敵の攻撃からニューラルネットワークを守るための有望なアプローチの1つである。
分類器決定境界から遠ざかって, 清浄するgUided Purification (COUP)アルゴリズムを提案する。
実験結果から, COUPは強力な攻撃法でより優れた対向的堅牢性が得られることが示された。
論文 参考訳(メタデータ) (2024-08-12T02:48:00Z) - Semi-Supervised Weed Detection for Rapid Deployment and Enhanced Efficiency [2.8444649426160304]
本稿では,2つの主要成分からなる半教師付き雑草検出手法を提案する。
まず,異なる規模の雑草の特徴を捉えるために,マルチスケールの特徴表現手法を用いる。
第2に、トレーニング中にラベル付き画像の小さなセットを活用する適応的な擬似ラベル割り当て戦略を提案する。
論文 参考訳(メタデータ) (2024-05-12T23:34:06Z) - Aphid Cluster Recognition and Detection in the Wild Using Deep Learning
Models [17.65292847038642]
アフィドの寄生は作物生産、農村社会、世界の食料安全保障に重大な脅威をもたらす。
本稿では,アフィドクラスタの検出にディープラーニングモデルを用いることに主眼を置いている。
そこで本研究では,アフィドクラスターの検出により感染レベルを推定する手法を提案する。
論文 参考訳(メタデータ) (2023-08-10T23:53:07Z) - Reconstructing Training Data from Model Gradient, Provably [68.21082086264555]
ランダムに選択されたパラメータ値で1つの勾配クエリからトレーニングサンプルを再構成する。
センシティブなトレーニングデータを示す証明可能な攻撃として、われわれの発見はプライバシーに対する深刻な脅威を示唆している。
論文 参考訳(メタデータ) (2022-12-07T15:32:22Z) - Generative models-based data labeling for deep networks regression:
application to seed maturity estimation from UAV multispectral images [3.6868861317674524]
種子の成熟度モニタリングは、気候変動とより制限的な慣行による農業における課題の増加である。
従来の手法は、フィールドでの限られたサンプリングと実験室での分析に基づいている。
マルチスペクトルUAV画像を用いたパセリ種子の成熟度推定手法の提案と,自動ラベリングのための新しいアプローチを提案する。
論文 参考訳(メタデータ) (2022-08-09T09:06:51Z) - PCA: Semi-supervised Segmentation with Patch Confidence Adversarial
Training [52.895952593202054]
医用画像セグメンテーションのためのPatch Confidence Adrial Training (PCA) と呼ばれる半教師付き対向法を提案する。
PCAは各パッチの画素構造とコンテキスト情報を学習し、十分な勾配フィードバックを得る。
本手法は, 医用画像のセグメンテーションにおいて, 最先端の半教師付き手法より優れており, その有効性を示している。
論文 参考訳(メタデータ) (2022-07-24T07:45:47Z) - High-Resolution UAV Image Generation for Sorghum Panicle Detection [23.88932181375298]
本稿では,データ拡張のためのGAN(Generative Adversarial Network)からの合成トレーニング画像を用いて,ソルガムパニックの検出とカウントの性能を向上させる手法を提案する。
提案手法は,実際のUAV RGB画像の地上真実データセットを限定した画像から画像への変換GANを用いて,パニックラベルを用いた合成高解像度UAV RGB画像を生成することができる。
論文 参考訳(メタデータ) (2022-05-08T20:26:56Z) - Self-supervised Transformer for Deepfake Detection [112.81127845409002]
現実世界のシナリオにおけるディープフェイク技術は、顔偽造検知器のより強力な一般化能力を必要とする。
転送学習に触発されて、他の大規模な顔関連タスクで事前訓練されたニューラルネットワークは、ディープフェイク検出に有用な機能を提供する可能性がある。
本稿では,自己教師型変換器を用いた音声視覚コントラスト学習手法を提案する。
論文 参考訳(メタデータ) (2022-03-02T17:44:40Z) - Fine-Grained Visual Classification of Plant Species In The Wild: Object
Detection as A Reinforced Means of Attention [9.427845067849177]
オブジェクト検出を注目の場として使うという考え方を探求し、データ変動の影響を緩和する。
そこで本研究では,植物器官検出に基づくボトムアップ手法を導入し,多様な臓器型分類器の予測を融合させる手法を提案する。
我々は,植物器官の検出と器官に基づく種同定を評価するために,長い尾の分布を持つ新しいデータセットをキュレートする。
論文 参考訳(メタデータ) (2021-06-03T21:22:18Z) - Deep Semi-supervised Metric Learning with Dual Alignment for Cervical
Cancer Cell Detection [49.78612417406883]
子宮頸癌細胞検出のための新しい半教師付き深度測定法を提案する。
私たちのモデルは、埋め込みメトリック空間を学習し、提案レベルとプロトタイプレベルの両方でセマンティック機能の二重アライメントを行います。
本研究は,240,860個の頸部細胞画像からなる半監督型頸部がん細胞検出のための大規模データセットを初めて構築した。
論文 参考訳(メタデータ) (2021-04-07T17:11:27Z) - Deep Semi-supervised Knowledge Distillation for Overlapping Cervical
Cell Instance Segmentation [54.49894381464853]
本稿では, ラベル付きデータとラベルなしデータの両方を, 知識蒸留による精度向上に活用することを提案する。
摂動に敏感なサンプルマイニングを用いたマスク誘導型平均教師フレームワークを提案する。
実験の結果,ラベル付きデータのみから学習した教師付き手法と比較して,提案手法は性能を著しく向上することがわかった。
論文 参考訳(メタデータ) (2020-07-21T13:27:09Z)
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。