論文の概要: Hinting Pipeline and Multivariate Regression CNN for Maize Kernel
Counting on the Ear
- arxiv url: http://arxiv.org/abs/2306.06553v1
- Date: Sun, 11 Jun 2023 00:58:38 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-13 18:16:07.782352
- Title: Hinting Pipeline and Multivariate Regression CNN for Maize Kernel
Counting on the Ear
- Title(参考訳): 耳のトウモロコシ核計数のためのヒントパイプラインと多変量回帰cnn
- Authors: Felipe Ara\'ujo, Igor Gadelha, Rodrigo Tsukahara, Luiz Pita, Filipe
Costa, Igor Vaz, Andreza Santos and Guilherme F\^olego
- Abstract要約: 本稿では,コーンカーネルの中心にモデルの注意を向け,ディープラーニングモデルによるパフォーマンス向上を実現するための,ヒントと呼ばれる新しい前処理パイプラインを提案する。
実験の結果、提案手法は現在の手動推定を上回り、手動推定では34.4のMAEと0.74のR2と35.38と0.72のMAEが得られることがわかった。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Maize is a highly nutritional cereal widely used for human and animal
consumption and also as raw material by the biofuels industries. This
highlights the importance of precisely quantifying the corn grain productivity
in season, helping the commercialization process, operationalization, and
critical decision-making. Considering the manual labor cost of counting maize
kernels, we propose in this work a novel preprocessing pipeline named hinting
that guides the attention of the model to the center of the corn kernels and
enables a deep learning model to deliver better performance, given a picture of
one side of the corn ear. Also, we propose a multivariate CNN regressor that
outperforms single regression results. Experiments indicated that the proposed
approach excels the current manual estimates, obtaining MAE of 34.4 and R2 of
0.74 against 35.38 and 0.72 for the manual estimate, respectively.
- Abstract(参考訳): トウモロコシは、人間や動物の消費やバイオ燃料産業の原料として広く利用される、栄養価の高い穀物である。
これは、季節におけるトウモロコシの穀物生産性を正確に定量化することの重要性を強調し、商業化プロセス、運用化、重要な意思決定を助けている。
本研究では,トウモロコシの核を数えるための手作業コストを考慮し,トウモロコシの核の中心にモデルの注意を誘導し,トウモロコシの耳の片面の画像から深層学習モデルによるより良いパフォーマンスを実現するためのヒント付き前処理パイプラインを提案する。
また,単一回帰結果を上回る多変量cnnレグレッサを提案する。
実験の結果,提案手法は現在のマニュアル推定値に優れ,マニュアル推定値が34.4,r2が0.74,r2が35.38,0.72であった。
関連論文リスト
- FoodLMM: A Versatile Food Assistant using Large Multi-modal Model [96.76271649854542]
大規模マルチモーダルモデル(LMM)は多くの視覚言語タスクにおいて顕著な進歩を遂げている。
本稿では,多機能なLMMに基づく多目的食品アシスタントであるFoodLMMを提案する。
本稿では,食品の栄養価と複数のセグメンテーションマスクを予測するために,一連の新しいタスク固有のトークンとヘッドを導入する。
論文 参考訳(メタデータ) (2023-12-22T11:56:22Z) - Online Non-Destructive Moisture Content Estimation of Filter Media
During Drying Using Artificial Neural Networks [95.42181254494287]
粗いろ過媒体製品の乾燥工程において, 水分量 (MC) の推定が重要である。
人工ニューラルネットワーク(ANN)に基づく手法は、文献で報告されている最先端のMC推定手法と比較する。
実験結果から, ANNとオーブン設定データ, 乾燥時間, 製品温度を組み合わせることで, バルクフィルターメディア製品のMCを確実に推定できることがわかった。
論文 参考訳(メタデータ) (2023-03-27T19:37:53Z) - Corn Yield Prediction based on Remotely Sensed Variables Using
Variational Autoencoder and Multiple Instance Regression [1.2697842097171117]
アメリカ合衆国ではトウモロコシが最も生産される作物であり、アメリカ食生活に欠かせない部分であった。
サプライチェーン管理と地域食料安全保障の需要に応えるため、精密農業において、正確かつタイムリーに大規模なトウモロコシ収量予測が注目されている。
近年,収穫量予測のためにリモートセンシング技術や機械学習手法が広く研究されている。
論文 参考訳(メタデータ) (2022-11-23T20:18:26Z) - Recognition of Defective Mineral Wool Using Pruned ResNet Models [88.24021148516319]
我々はミネラルウールのための視覚品質管理システムを開発した。
ウール標本のX線画像が収集され、欠陥および非欠陥サンプルのトレーニングセットが作成された。
我々は98%以上の精度のモデルを得たが、同社の現在の手順と比較すると、20%以上の欠陥製品を認識することができる。
論文 参考訳(メタデータ) (2022-11-01T13:58:02Z) - MetaRF: Differentiable Random Forest for Reaction Yield Prediction with
a Few Trails [58.47364143304643]
本稿では,反応収率予測問題に焦点をあてる。
筆者らはまず,数発の収量予測のために特別に設計された,注意に基づく識別可能なランダム森林モデルであるMetaRFを紹介した。
数発の学習性能を改善するために,さらに次元還元に基づくサンプリング手法を導入する。
論文 参考訳(メタデータ) (2022-08-22T06:40:13Z) - End-to-end deep learning for directly estimating grape yield from
ground-based imagery [53.086864957064876]
本研究は, ブドウ畑の収量推定に深層学習と併用した近位画像の応用を実証する。
オブジェクト検出、CNN回帰、トランスフォーマーモデルという3つのモデルアーキテクチャがテストされた。
本研究は,ブドウの収量予測における近位画像と深層学習の適用性を示した。
論文 参考訳(メタデータ) (2022-08-04T01:34:46Z) - A New Weakly Supervised Learning Approach for Real-time Iron Ore Feed
Load Estimation [5.964163785417882]
鉄鉱石供給負荷制御は、ミネラル研削プロセスにおいて最も重要な設定の1つである。
本稿では, 深層学習モデルを用いて, 鉱石ペレット画像から直接の鉱石供給負荷推定を行う。
論文 参考訳(メタデータ) (2021-10-06T11:24:47Z) - WheatNet: A Lightweight Convolutional Neural Network for High-throughput
Image-based Wheat Head Detection and Counting [12.735055892742647]
本研究では,小麦頭数を正確にかつ効率的に計算し,意思決定のためのリアルタイムデータ収集を支援する新しいディープラーニングフレームワークを提案する。
モデルコムギ網とよばれ,小麦畑の幅広い環境条件において,我々のアプローチが頑健かつ正確であることを実証する。
提案手法は, 小麦頭部計数タスクにおけるMAEとRMSEの3.85と5.19をそれぞれ達成し, 他の最先端手法に比べてパラメータが有意に少ない。
論文 参考訳(メタデータ) (2021-03-17T02:38:58Z) - DeepCorn: A Semi-Supervised Deep Learning Method for High-Throughput
Image-Based Corn Kernel Counting and Yield Estimation [20.829106642703277]
本研究では,実時間データの収集を支援するために,フィールド内における実時間コーンカーネルをカウントする新しい深層学習手法を提案する。
DeepCornはトウモロコシの耳の画像中のトウモロコシの核の密度を推定し、推定された密度マップに基づいて核の数を予測する。
提案手法は, コーンカーネルカウントタスクにおいて, 41.36と60.27のMAEとRMSEをそれぞれ達成する。
論文 参考訳(メタデータ) (2020-07-20T23:00:39Z) - Towards Practical Lipreading with Distilled and Efficient Models [57.41253104365274]
ニューラルネットワークの復活により、リリーディングは多くの進歩を目の当たりにした。
最近の研究は、最適なアーキテクチャを見つけるか、一般化を改善することで、パフォーマンスを改善するといった側面に重点を置いている。
現在の方法論と、実践的なシナリオにおける効果的なリップリーディングのデプロイ要件との間には、依然として大きなギャップがあります。
まず, LRW と LRW-1000 をそれぞれ 88.5% と 46.6% に比例して, 最先端の性能を高めることを提案する。
論文 参考訳(メタデータ) (2020-07-13T16:56:27Z) - Hybrid Machine Learning Models for Crop Yield Prediction [0.0]
本研究では,ハイブリッド機械学習に基づく新たな収量予測モデルを提案する。
結果は、食品安全保障の実践者、研究者、あるいは政策立案者によって利用できる。
論文 参考訳(メタデータ) (2020-03-08T12:01:27Z)
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。