Fugu-MT 論文翻訳(概要): Dhan-Shomadhan: A Dataset of Rice Leaf Disease Classification for Bangladeshi Local Rice

論文の概要: Dhan-Shomadhan: A Dataset of Rice Leaf Disease Classification for Bangladeshi Local Rice

arxiv url: http://arxiv.org/abs/2309.07515v1
Date: Thu, 14 Sep 2023 08:32:05 GMT
ステータス: 処理完了
システム内更新日: 2023-09-15 15:48:33.800860
Title: Dhan-Shomadhan: A Dataset of Rice Leaf Disease Classification for Bangladeshi Local Rice
Title（参考訳）: Dhan-Shomadhan:バングラデシュにおけるイネ葉病分類のデータセット
Authors: Md. Fahad Hossain
Abstract要約: このデータセットはBrown Spot, Leaf Scaled, Rice Blast, Rice Turngo, Steath Blightという5つの有害疾患の1106枚の画像で構成されている。データは、ダッカ県の田地から収集される。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: This dataset represents almost all the harmful diseases for rice in Bangladesh. This dataset consists of 1106 image of five harmful diseases called Brown Spot, Leaf Scaled, Rice Blast, Rice Turngo, Steath Blight in two different background variation named field background picture and white background picture. Two different background variation helps the dataset to perform more accurately so that the user can use this data for field use as well as white background for decision making. The data is collected from rice field of Dhaka Division. This dataset can use for rice leaf diseases classification, diseases detection using Computer Vision and Pattern Recognition for different rice leaf disease.
Abstract（参考訳）: このデータセットはバングラデシュの米の有害な病気のほぼすべてを表している。このデータセットは、ブラウンスポット(Brown Spot)、リーフスケールド(Leaf Scaled)、ライスブラスト(Lice Blast)、ライスターンゴ(Lice Turngo)、ステスブライト(Steath Blight)という5つの有害疾患の画像からなる。 2つの異なる背景のバリエーションはデータセットをより正確に実行するのに役立つので、ユーザーはこのデータをフィールド利用に、白背景を意思決定に使用できる。データは、ダッカ県の田地から収集される。このデータセットは、イネ葉病分類、コンピュータビジョンを用いた疾患検出、および異なるイネ葉病に対するパターン認識に使用できる。

関連論文リスト

FairSkin: Fair Diffusion for Skin Disease Image Generation [54.29840149709033]
拡散モデル (DM) は, 合成医用画像の生成において主要な手法となっているが, 臨界二倍偏差に悩まされている。このようなバイアスを3段階のリサンプリング機構によって緩和する新しいDMフレームワークであるFairSkinを提案する。本手法は, 画像の多様性と品質を著しく向上させ, 臨床環境における皮膚疾患の検出精度の向上に寄与する。
論文参考訳（メタデータ） (2024-10-29T21:37:03Z)
Common and Rare Fundus Diseases Identification Using Vision-Language Foundation Model with Knowledge of Over 400 Diseases [57.27458882764811]
以前の網膜画像の基礎モデルは、限られた疾患カテゴリと知識ベースで事前訓練された。 RetiZeroの事前トレーニングのために、公開データセット、眼科文献、オンラインリソースから得られたテキスト記述と組み合わせた341,896のベースイメージをコンパイルした。 RetiZeroは、ゼロショット病の認識、画像と画像の検索、内部およびドメイン間の疾患の識別など、いくつかの下流タスクにおいて優れたパフォーマンスを示す。
論文参考訳（メタデータ） (2024-06-13T16:53:57Z)
NutritionVerse-Real: An Open Access Manually Collected 2D Food Scene Dataset for Dietary Intake Estimation [68.49526750115429]
食事摂取推定のための2D食品シーンデータセットであるNutritionVerse-Realを導入する。 NutritionVerse-Realデータセットは、実生活における食品シーンのイメージを手作業で収集し、各成分の重量を測定し、各料理の食生活内容を計算することによって作成されました。
論文参考訳（メタデータ） (2023-11-20T11:05:20Z)
Rice Plant Disease Detection and Diagnosis using Deep Convolutional Neural Networks and Multispectral Imaging [1.0499611180329802]
エジプトはアフリカ最大の米生産国であり、年間600万トンを生産している。稲芽病は世界の稲生産の30%の減少の原因となっている。本稿では,多スペクトル・RGB画像データセットと水稲病検出のためのディープラーニングパイプラインについて紹介する。
論文参考訳（メタデータ） (2023-09-11T20:51:21Z)
HarvestNet: A Dataset for Detecting Smallholder Farming Activity Using Harvest Piles and Remote Sensing [50.4506590177605]
HarvestNetは、2020-2023年のエチオピアのティグレイとアムハラの農場の存在をマッピングするためのデータセットである。本研究は,多くの小作システムの特徴ある収穫杭の検出に基づく新しい手法を提案する。本研究は, 農作物のリモートセンシングが, 食品の安全地帯において, よりタイムリーかつ正確な農地評価に寄与することが示唆された。
論文参考訳（メタデータ） (2023-08-23T11:03:28Z)
Development of a Prototype Application for Rice Disease Detection Using Convolutional Neural Networks [0.0]
米はフィリピンで1番の主食である。農家は、稲作全体を害する恐れのあるイネの葉の病原体に慣れていない。イネの一般的な細菌の葉に対処する必要性は深刻な病気であり、収量が減少し、収穫量も最大75%減少する。
論文参考訳（メタデータ） (2023-01-13T13:12:40Z)
Automatic Detection of Rice Disease in Images of Various Leaf Sizes [0.5284812806199193]
そこで我々は,米田写真画像から米病を検出するコンピュータビジョン技術を用いて,その解決策に焦点をあてた。そこで本研究では,CNNオブジェクト検出と画像タイリングを組み合わせた手法を提案する。本手法は, 発芽, 発芽, 褐色斑点, 褐色斑点, オレンジ, 赤色ストライプ, 草草性スタントウイルス, ストリーク病など8種類のイネ葉病の4,960枚の画像から評価した。
論文参考訳（メタデータ） (2022-06-15T07:56:41Z)
Paddy Doctor: A Visual Image Dataset for Paddy Disease Classification [0.0]
パディドクター(Paddy Doctor)は、水田病を識別するための画像データセットである。本データセットは10クラス(9つの疾患と正常な葉)に13,876点の注釈付き水田葉画像を含む。我々は、畳み込みニューラルネットワーク(CNN)とVGG16とMobileNetの2つの移行学習アプローチを用いて、パディドクターをベンチマークした。
論文参考訳（メタデータ） (2022-05-23T07:57:40Z)
AlignTransformer: Hierarchical Alignment of Visual Regions and Disease Tags for Medical Report Generation [50.21065317817769]
本稿では,Align Hierarchical Attention (AHA)とMulti-Grained Transformer (MGT)モジュールを含むAlign Transformerフレームワークを提案する。パブリックなIU-XrayとMIMIC-CXRデータセットの実験は、AlignTransformerが2つのデータセットの最先端メソッドと競合する結果が得られることを示している。
論文参考訳（メタデータ） (2022-03-18T13:43:53Z)
CD&S Dataset: Handheld Imagery Dataset Acquired Under Field Conditions for Corn Disease Identification and Severity Estimation [5.949779668853555]
Corn Disease and Severityデータセットは、2112のフィールド画像と2343のAR画像からなる4455の画像で構成されている。疾患識別モデルのトレーニングでは,各疾患の画像データの半分を境界ボックスを用いて注釈付けした。重度推定のために, NLS用515個の原画像を取得し, 1(耐性)から5(感受性)までの重度分類に分類した。
論文参考訳（メタデータ） (2021-10-22T22:33:51Z)
A Benchmark for Studying Diabetic Retinopathy: Segmentation, Grading, and Transferability [76.64661091980531]
糖尿病患者は糖尿病網膜症(DR)を発症するリスクがあるコンピュータ支援型DR診断は、DRの早期検出と重度評価のための有望なツールである。このデータセットは、ピクセルレベルのDR関連病変アノテーションを持つ1,842枚の画像と、6人の眼科医によって評価された画像レベルのラベルを持つ1,000枚の画像を有する。
論文参考訳（メタデータ） (2020-08-22T07:48:04Z)

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。