論文の概要: A comprehensive review of 3D convolutional neural network-based classification techniques of diseased and defective crops using non-UAV-based hyperspectral images

• arxiv url: http://arxiv.org/abs/2306.09418v1
• Date: Thu, 15 Jun 2023 18:02:53 GMT
• ステータス: 処理完了
• システム内更新日: 2023-06-19 16:15:22.793597
• Title: A comprehensive review of 3D convolutional neural network-based classification techniques of diseased and defective crops using non-UAV-based hyperspectral images
• Title（参考訳）: 非UAVハイパースペクトル画像を用いた3次元畳み込みニューラルネットワークによる病原作物の分類手法の総合的検討
• Authors: Nooshin Noshiri, Michael A. Beck, Christopher P. Bidinosti, Christopher J. Henry
• Abstract要約: ハイパースペクトルイメージング(HSI)は、物体の構造と組成に関する貴重な情報を提供する非破壊的で接触のない技術である。 スペクトル範囲が広いため、HSIは作物の健康と生産性をモニタリングするためのより効果的なツールとなる。 農業技術におけるこのイメージングツールの出現により、研究者は病気や欠陥のある作物の検出に関する問題をより正確に解決することができる。
• 参考スコア（独自算出の注目度）: 0.1338174941551702
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Hyperspectral imaging (HSI) is a non-destructive and contactless technology that provides valuable information about the structure and composition of an object. It can capture detailed information about the chemical and physical properties of agricultural crops. Due to its wide spectral range, compared with multispectral- or RGB-based imaging methods, HSI can be a more effective tool for monitoring crop health and productivity. With the advent of this imaging tool in agrotechnology, researchers can more accurately address issues related to the detection of diseased and defective crops in the agriculture industry. This allows to implement the most suitable and accurate farming solutions, such as irrigation and fertilization before crops enter a damaged and difficult-to-recover phase of growth in the field. While HSI provides valuable insights into the object under investigation, the limited number of HSI datasets for crop evaluation presently poses a bottleneck. Dealing with the curse of dimensionality presents another challenge due to the abundance of spectral and spatial information in each hyperspectral cube. State-of-the-art methods based on 1D- and 2D-CNNs struggle to efficiently extract spectral and spatial information. On the other hand, 3D-CNN-based models have shown significant promise in achieving better classification and detection results by leveraging spectral and spatial features simultaneously. Despite the apparent benefits of 3D-CNN-based models, their usage for classification purposes in this area of research has remained limited. This paper seeks to address this gap by reviewing 3D-CNN-based architectures and the typical deep learning pipeline, including preprocessing and visualization of results, for the classification of hyperspectral images of diseased and defective crops. Furthermore, we discuss open research areas and challenges when utilizing 3D-CNNs with HSI data.
• Abstract（参考訳）: ハイパースペクトルイメージング(HSI)は、物体の構造と組成に関する貴重な情報を提供する非破壊的で接触のない技術である。 農作物の化学的および物理的性質に関する詳細な情報を取得することができる。 スペクトル範囲が広いため、マルチスペクトルまたはRGBベースの撮像法と比較すると、HSIは作物の健康と生産性をモニタリングするためのより効果的なツールとなる。 農業技術におけるこのイメージングツールの出現により、農業における病気や欠陥のある作物の検出に関する問題をより正確に解決することができる。 これにより、作物が畑の成長の傷つき難い段階に入る前に灌水や肥料化など、最も適した正確な農業ソリューションを実装することができる。 HSIは対象物に対する貴重な洞察を提供するが、作物評価のための限られた数のHSIデータセットは、現在ボトルネックとなっている。 次元の呪いを扱うことは、各超スペクトル立方体にスペクトル情報と空間情報が豊富にあるため、別の課題となる。 1D-および2D-CNNに基づく最先端手法は、スペクトルと空間情報を効率的に抽出するのに苦労する。 一方,3d-cnnに基づくモデルでは,スペクトル特徴と空間特徴を同時に活用することで,分類と検出結果の精度向上が期待できる。 3d-cnnベースのモデルの明らかな利点にもかかわらず、この分野における分類の用途は限られている。 本稿では, 3d-cnnベースのアーキテクチャと, 病害作物のハイパースペクトル画像の分類のための前処理と可視化を含む, 典型的なディープラーニングパイプラインについて検討することで, このギャップに対処しようとする。 さらに,HSIデータを用いた3D-CNNのオープンな研究領域と課題についても論じる。

関連論文リスト

• Comparative Analysis of Hyperspectral Image Reconstruction Using Deep Learning for Agricultural and Biological Applications [0.0]
  本研究では,RGB(赤,緑,青)画像からの深層学習に基づくハイパースペクトル画像再構成について検討した。 その結果, 農業・生物応用のための費用対効果・効率の高い品質評価ツールとして, 深層学習に基づくハイパースペクトル画像再構成が期待できることが明らかになった。
  論文  参考訳（メタデータ） (2024-05-22T04:20:30Z)
• Super-resolution of biomedical volumes with 2D supervision [84.5255884646906]
  超解像のための仮設スライス拡散は、生物学的標本のすべての空間次元にわたるデータ生成分布の固有同値性を利用する。 我々は,高解像度2次元画像の高速取得を特徴とするSliceRの組織学的刺激(SRH)への応用に着目する。
  論文  参考訳（メタデータ） (2024-04-15T02:41:55Z)
• Hyperspectral Neural Radiance Fields [11.485829401765521]
  ニューラルラジアンス場(NeRF)を用いたハイパースペクトル3次元再構成を提案する。 NeRFは、様々なカメラモデルによって捉えられたシーンの高品質なボリューム3D表現を作ることで広く成功している。 提案手法により,高速かつ高精度な3次元ハイパースペクトルシーンの創出が可能となった。
  論文  参考訳（メタデータ） (2024-03-21T21:18:08Z)
• A Survey of Graph and Attention Based Hyperspectral Image Classification Methods for Remote Sensing Data [5.1901440366375855]
  ハイパースペクトルイメージング(HSI)の分類におけるディープラーニング技術の利用は急速に増加している。 最近の手法では、グラフ畳み込みネットワークの利用と、予測にノード機能を使用するユニークな機能についても検討されている。
  論文  参考訳（メタデータ） (2023-10-16T00:42:25Z)
• Leveraging Neural Radiance Fields for Uncertainty-Aware Visual Localization [56.95046107046027]
  我々は,Neural Radiance Fields (NeRF) を用いてシーン座標回帰のためのトレーニングサンプルを生成することを提案する。 レンダリングにおけるNeRFの効率にもかかわらず、レンダリングされたデータの多くはアーティファクトによって汚染されるか、最小限の情報ゲインしか含まない。
  論文  参考訳（メタデータ） (2023-10-10T20:11:13Z)
• Evaluation of the potential of Near Infrared Hyperspectral Imaging for monitoring the invasive brown marmorated stink bug [53.682955739083056]
  BMSB(Halyomorpha halys)は、数種の作物を害する世界的重要性の害虫である。 本研究は、BMSB検体を検出する技術として、NIR-HSI(Near Infrared Hyperspectral Imaging)を実験室レベルで予備評価する。
  論文  参考訳（メタデータ） (2023-01-19T11:37:20Z)
• Hyperspectral Images Classification and Dimensionality Reduction using spectral interaction and SVM classifier [0.0]
  ハイパースペクトル画像(HSI)の高次元性は、収集したデータを分析する上で大きな課題の1つである。 ノイズ、冗長、無関係なバンドの存在は、計算複雑性を増大させる。 本稿では,スペクトル相互作用尺度に基づく新しいフィルタ手法と,次元減少のための支持ベクトルマシンを提案する。
  論文  参考訳（メタデータ） (2022-10-27T15:37:57Z)
• Towards Model Generalization for Monocular 3D Object Detection [57.25828870799331]
  我々は,Mono3Dオブジェクト検出に有効な統合カメラ一般化パラダイム(CGP)を提案する。 また,インスタンスレベルの拡張によりギャップを埋める2D-3D幾何一貫性オブジェクトスケーリング戦略(GCOS)を提案する。 DGMono3Dと呼ばれる手法は、評価された全てのデータセットに対して顕著な性能を達成し、SoTAの教師なしドメイン適応スキームを上回ります。
  論文  参考訳（メタデータ） (2022-05-23T23:05:07Z)
• REFUGE2 Challenge: Treasure for Multi-Domain Learning in Glaucoma Assessment [45.41988445653055]
  REFUGE2チャレンジでは、Zeiss、Canon、Kowa、Topconを含む4つのモデルの2000枚のカラー・ファンドイメージがリリースされた。 3つのサブタスクは緑内障分類、カップ/光ディスクセグメンテーション、黄斑葉の局在などの課題のために設計された。 この記事では、ファイナリストのメソッドを要約し、その結果を分析します。
  論文  参考訳（メタデータ） (2022-02-18T02:56:21Z)
• 4D Spatio-Temporal Convolutional Networks for Object Position Estimation in OCT Volumes [69.62333053044712]
  3次元畳み込みニューラルネットワーク(CNN)は、単一のOCT画像を用いたマーカーオブジェクトのポーズ推定に有望な性能を示した。 我々は3次元CNNを4次元時間CNNに拡張し、マーカーオブジェクト追跡のための追加の時間情報の影響を評価する。
  論文  参考訳（メタデータ） (2020-07-02T12:02:20Z)
• Spatio-spectral deep learning methods for in-vivo hyperspectral laryngeal cancer detection [49.32653090178743]
  頭頸部腫瘍の早期発見は患者の生存に不可欠である。 ハイパースペクトルイメージング(HSI)は頭頸部腫瘍の非侵襲的検出に用いられる。 HSIに基づく喉頭癌診断のための複数の深層学習手法を提案する。
  論文  参考訳（メタデータ） (2020-04-21T17:07:18Z)

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。