Fugu-MT 論文翻訳(概要): Automating Wood Species Detection and Classification in Microscopic Images of Fibrous Materials with Deep Learning

論文の概要: Automating Wood Species Detection and Classification in Microscopic Images of Fibrous Materials with Deep Learning

arxiv url: http://arxiv.org/abs/2307.09588v1
Date: Tue, 18 Jul 2023 19:51:28 GMT
ステータス: 処理完了
システム内更新日: 2023-07-20 16:15:38.780464
Title: Automating Wood Species Detection and Classification in Microscopic Images of Fibrous Materials with Deep Learning
Title（参考訳）: 深層学習による繊維状材料の顕微鏡像における木材種検出と分類の自動化
Authors: Lars Nieradzik, J\"ordis Sieburg-Rockel, Stephanie Helmling, Janis Keuper, Thomas Weibel, Andrea Olbrich, Henrike Stephani
Abstract要約: 本研究は, マス化木材の大規模画像データセットを体系的に生成する手法を開発した。これは、深層学習による繊維質材料の顕微鏡像における硬材種の同定を初めて自動化するための、実質的なアプローチの基礎である。
参考スコア（独自算出の注目度）: 1.231476564107544
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We have developed a methodology for the systematic generation of a large image dataset of macerated wood references, which we used to generate image data for nine hardwood genera. This is the basis for a substantial approach to automate, for the first time, the identification of hardwood species in microscopic images of fibrous materials by deep learning. Our methodology includes a flexible pipeline for easy annotation of vessel elements. We compare the performance of different neural network architectures and hyperparameters. Our proposed method performs similarly well to human experts. In the future, this will improve controls on global wood fiber product flows to protect forests.
Abstract（参考訳）: そこで本研究では,9種の硬木属に対する画像データ生成に用いたマセレーテッドウッド参照の大規模画像データセットを体系的に生成する手法を開発した。これは、深層学習による繊維質材料の顕微鏡像における硬材種の同定を初めて自動化するための、実質的なアプローチの基礎である。提案手法は,血管要素のアノテーションを容易にする柔軟なパイプラインを含んでいる。異なるニューラルネットワークアーキテクチャとハイパーパラメータのパフォーマンスを比較する。提案手法は人間の専門家とよく似ている。将来的には森林保護のため、グローバルな木繊維製品フローの制御を改善する。

関連論文リスト

Deep Learning methodology for the identification of wood species using high-resolution macroscopic images [6.510691480587631]
本研究は,木材の高分解能マクロ画像による木材種の同定の自動化に寄与する。本稿では,TDLI-PIV を省略した Patch-based Inference Voting Method を用いたTimber Deep Learning Identificationを提案する。このデータセットには2120枚の木材の画像が含まれており、37種の木を法的に保護している。
論文参考訳（メタデータ） (2024-06-17T17:31:57Z)
Advanced wood species identification based on multiple anatomical sections and using deep feature transfer and fusion [8.844437603161198]
DNA分析、近赤外分光法(NIR)、DART質量分析法(Direct Analysis in Real Time、DART)といった手法は、長年確立されてきた細胞および組織形態の解剖学的評価を補完する。これらの手法の多くは、高コスト、データ解釈の熟練した専門家の必要性、専門家参照のための優れたデータセットの欠如など、いくつかの制限がある。本稿では,コンボリューショナルニューラルネットワークを用いた2つの伝達学習手法を多視点木種データセットに適用する。以上の結果から,多様なデータセットや解剖学的部分の精度が,他の手法よりも優れていたことが示唆された。
論文参考訳（メタデータ） (2024-04-12T16:30:15Z)
Segmentation and Characterization of Macerated Fibers and Vessels Using Deep Learning [0.48748194765816943]
木製顕微鏡画像の自動深層学習セグメンテーション手法を開発した。このモデルは32,640×25,920ピクセルの画像を分析し、有効な細胞検出とセグメンテーションを示し、mAP_0.5-0.95の78 %を達成する。画像解析のためのユーザフレンドリーなWebアプリケーションを作成し、Google Colabで使用するコードを提供します。
論文参考訳（メタデータ） (2024-01-30T12:04:56Z)
Neural Echos: Depthwise Convolutional Filters Replicate Biological Receptive Fields [56.69755544814834]
哺乳類網膜で観察される生体受容野を,深部核が効果的に複製していることを示す証拠を提示する。生体受容の分野からインスピレーションを得る手法を提案する。
論文参考訳（メタデータ） (2024-01-18T18:06:22Z)
Parents and Children: Distinguishing Multimodal DeepFakes from Natural Images [60.34381768479834]
近年の拡散モデルの発展により、自然言語のテキストプロンプトから現実的なディープフェイクの生成が可能になった。我々は、最先端拡散モデルにより生成されたディープフェイク検出に関する体系的研究を開拓した。
論文参考訳（メタデータ） (2023-04-02T10:25:09Z)
Multilayer deep feature extraction for visual texture recognition [0.0]
本稿では,テクスチャ分類における畳み込みニューラルネットワークの精度向上に着目した。事前訓練されたニューラルネットワークの複数の畳み込み層から特徴を抽出し、フィッシャーベクトルを用いてそのような特徴を集約する。本手法は,ブラジルの植物種識別の実践的課題と同様に,ベンチマークデータセットのテクスチャ分類における有効性を検証する。
論文参考訳（メタデータ） (2022-08-22T03:53:43Z)
Identification and classification of exfoliated graphene flakes from microscopy images using a hierarchical deep convolutional neural network [4.464084686836888]
本稿では,Si/SiO2基板上に剥離したグラフェンフレークの厚さを自動的に同定し,分類する深層学習手法を提案する。提案手法は階層的な深部畳み込みニューラルネットワークを用いて,従来の画像からの知識を保ちながら,新たなイメージを学習することができる。その結果, 深層学習モデルでは, 抽出したグラフェンフレークの識別と分類に最大99%の精度が得られた。
論文参考訳（メタデータ） (2022-03-29T05:54:06Z)
Adversarial Domain Feature Adaptation for Bronchoscopic Depth Estimation [111.89519571205778]
そこで本研究では,深度推定のためのドメイン適応手法を提案する。提案する2段階構造は,まず,ラベル付き合成画像を用いた深度推定ネットワークを教師付きで訓練する。実験の結果,提案手法は実画像上でのネットワーク性能をかなりの差で向上させることがわかった。
論文参考訳（メタデータ） (2021-09-24T08:11:34Z)
A parameter refinement method for Ptychography based on Deep Learning concepts [55.41644538483948]
伝播距離、位置誤差、部分的コヒーレンスにおける粗いパラメトリゼーションは、しばしば実験の生存性を脅かす。最新のDeep Learningフレームワークは、セットアップの不整合を自律的に補正するために使用され、ポチコグラフィーの再構築の質が向上する。我々は,elettra シンクロトロン施設のツインミックビームラインで取得した合成データセットと実データの両方でシステムをテストした。
論文参考訳（メタデータ） (2021-05-18T10:15:17Z)
NeuMIP: Multi-Resolution Neural Materials [98.83749495351627]
NeuMIPは、さまざまなスケールでさまざまな材料外観を表現およびレンダリングするためのニューラルメソッドです。従来のミップマップピラミッドを、完全に接続されたネットワークと組み合わせて、神経テクスチャのピラミッドに一般化する。テッセルレーションを伴わずに複雑なパララックス効果を持つ材料をレンダリングできる新しい手法であるニューラルオフセットも導入する。
論文参考訳（メタデータ） (2021-04-06T21:22:22Z)
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。