Fugu-MT 論文翻訳(概要): Segmenta\c{c}\~ao e contagem de troncos de madeira utilizando deep learning e processamento de imagens

論文の概要: Segmenta\c{c}\~ao e contagem de troncos de madeira utilizando deep learning e processamento de imagens

arxiv url: http://arxiv.org/abs/2309.00123v1
Date: Thu, 31 Aug 2023 20:24:14 GMT
ステータス: 処理完了
システム内更新日: 2023-09-04 15:22:06.032533
Title: Segmenta\c{c}\~ao e contagem de troncos de madeira utilizando deep learning e processamento de imagens
Title（参考訳）: 画像の深層学習過程を利用したsegmenta\c{c}\~ao e contagem de troncos de madeira
Authors: Jo\~ao V. C. Mazzochin and Gustavo Tiecker and Erick O. Rodrigues
Abstract要約: まず,木製丸太の背景から木製丸太を分割する手法を提案する。セグメンテーションの平均精度は89%を超え、合計で識別された木材ログの平均量は97%以上である。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: Counting objects in images is a pattern recognition problem that focuses on identifying an element to determine its incidence and is approached in the literature as Visual Object Counting (VOC). In this work, we propose a methodology to count wood logs. First, wood logs are segmented from the image background. This first segmentation step is obtained using the Pix2Pix framework that implements Conditional Generative Adversarial Networks (CGANs). Second, the clusters are counted using Connected Components. The average accuracy of the segmentation exceeds 89% while the average amount of wood logs identified based on total accounted is over 97%.
Abstract（参考訳）: 画像中のオブジェクトをカウントすることは、その出現率を決定する要素を特定することに焦点を当てたパターン認識問題であり、文献ではビジュアルオブジェクトカウント (VOC) としてアプローチされている。本研究では,木材ログをカウントする手法を提案する。まず、画像背景から木材ログを分割する。この最初のセグメンテーションステップは、CGAN(Conditional Generative Adversarial Networks)を実装したPix2Pixフレームワークを用いて得られる。第二に、クラスタはConnected Componentsを使ってカウントされる。セグメンテーションの平均精度は89%を超え、総勘定に基づいて同定された木材ログの平均量は97%以上である。

関連論文リスト

Image-based Agarwood Resinous Area Segmentation using Deep Learning [0.0]
商用のアガーウッド産業は、コンピュータ数値制御(CNC)マシンを使用して、このタスクに人間の努力を置き換えようと積極的に研究している。代わりにDeep Learning Image segmentation法を提案する。私たちのセットアップでは、断面画像をキャプチャして、イメージファイルをコンピュータに渡します。コンピュータは、自動画像セグメンテーションを実行し、CNCマシンにGコードスクリプトを供給する。
論文参考訳（メタデータ） (2024-04-08T01:14:09Z)
Block and Detail: Scaffolding Sketch-to-Image Generation [65.56590359051634]
アーティストの反復的な洗練プロセスと整合する新しいスケッチ・ツー・イメージ・ツールを提案する。私たちのツールは、ブロックされたストロークをスケッチして、オブジェクトの配置や形を粗く表現し、詳細なストロークを表現して、形やシルエットを洗練します。反復過程の任意の点において、そのようなスケッチから高忠実度画像を生成するための2パスアルゴリズムを開発した。
論文参考訳（メタデータ） (2024-02-28T07:09:31Z)
Voting Network for Contour Levee Farmland Segmentation and Classification [3.3675306464999357]
高解像度の航空画像は農地の細部を細部まで表現することができる。本稿では,高解像度空中画像からの輪郭リーブを用いた農地分割のためのエンドツーエンドのトレーニングネットワークを提案する。
論文参考訳（メタデータ） (2023-09-28T16:16:08Z)
TreeFormer: a Semi-Supervised Transformer-based Framework for Tree Counting from a Single High Resolution Image [6.789370732159176]
単一空中・衛星画像を用いた木密度推定と推定は,光度測定とリモートセンシングにおいて難しい課題である。リモートセンシング画像に対する高価なツリーアノテーションを低減させる,ツリーカウントのための最初の半教師付きトランスフォーマーベースのフレームワークを提案する。我々のモデルは、JiosuとYosemiteという2つのベンチマークツリーカウントデータセットと、彼ら自身が作成した新しいデータセットKCL-Londonで評価された。
論文参考訳（メタデータ） (2023-07-12T12:19:36Z)
CorrMatch: Label Propagation via Correlation Matching for Semi-Supervised Semantic Segmentation [73.89509052503222]
本稿では、CorrMatchと呼ばれる、単純だが実行可能な半教師付きセマンティックセマンティックセマンティックセマンティクス手法を提案する。相関写像は、同一カテゴリのクラスタリングピクセルを容易に実現できるだけでなく、良好な形状情報も含んでいることを観察する。我々は,高信頼画素を拡大し,さらに掘り出すために,画素の対の類似性をモデル化して画素伝搬を行う。そして、相関地図から抽出した正確なクラス非依存マスクを用いて、領域伝搬を行い、擬似ラベルを強化する。
論文参考訳（メタデータ） (2023-06-07T10:02:29Z)
Automatic counting of mounds on UAV images: combining instance segmentation and patch-level correction [15.912811733537668]
無人航空機(UAV)イメージングとコンピュータビジョンの進歩を生かした新しい枠組みを提案する。我々は,深層学習アルゴリズムに基づく画像認識手法を用いて,画素ベースセグメンテーションによる複数物体検出を行う。局所的ブロック特性に基づいて最終マウンド数を予測する機械学習推定関数を用いる。
論文参考訳（メタデータ） (2022-09-06T16:02:38Z)
Instance Segmentation for Autonomous Log Grasping in Forestry Operations [0.0]
木製ログの抽出は自動化するのが難しい作業です。ログの抽出自動化に関する最近の研究は通常、ログのポーズが知られていると仮定する。本稿では,データ駆動型アプローチを用いて,実際の知覚問題に正則に対処する。
論文参考訳（メタデータ） (2022-03-03T18:29:25Z)
Learning Co-segmentation by Segment Swapping for Retrieval and Discovery [67.6609943904996]
この研究の目的は、一対のイメージから視覚的に類似したパターンを効率的に識別することである。画像中のオブジェクトセグメントを選択し、それを別の画像にコピーペーストすることで、合成トレーニングペアを生成する。提案手法は,Brueghelデータセット上でのアートワークの詳細検索に対して,明確な改善をもたらすことを示す。
論文参考訳（メタデータ） (2021-10-29T16:51:16Z)
Learning to Generate Scene Graph from Natural Language Supervision [52.18175340725455]
シーングラフと呼ばれる画像内の局所化オブジェクトとその関係をグラフィカルに表現するために,画像と文のペアから学習する最初の方法の1つを提案する。既製のオブジェクト検出器を利用してオブジェクトのインスタンスを識別し、ローカライズし、検出された領域のラベルとキャプションから解析された概念をマッチングし、シーングラフを学習するための"擬似ラベル"を作成する。
論文参考訳（メタデータ） (2021-09-06T03:38:52Z)
Compositional Sketch Search [91.84489055347585]
フリーハンドスケッチを用いて画像コレクションを検索するアルゴリズムを提案する。シーン構成全体を特定するための簡潔で直感的な表現として描画を利用する。
論文参考訳（メタデータ） (2021-06-15T09:38:09Z)
CRNet: Cross-Reference Networks for Few-Shot Segmentation [59.85183776573642]
少ないショットセグメンテーションは、少数のトレーニングイメージを持つ新しいクラスに一般化できるセグメンテーションモデルを学ぶことを目的としている。相互参照機構により、我々のネットワークは2つの画像に共起する物体をよりよく見つけることができる。 PASCAL VOC 2012データセットの実験は、我々のネットワークが最先端のパフォーマンスを達成することを示す。
論文参考訳（メタデータ） (2020-03-24T04:55:43Z)

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。