論文の概要: Machine Learning for Leaf Disease Classification: Data, Techniques and Applications

• arxiv url: http://arxiv.org/abs/2310.12509v1
• Date: Thu, 19 Oct 2023 06:21:21 GMT
• ステータス: 処理完了
• システム内更新日: 2023-10-20 16:35:46.175052
• Title: Machine Learning for Leaf Disease Classification: Data, Techniques and Applications
• Title（参考訳）: 葉病分類のための機械学習 : データ, 技術, 応用
• Authors: Jianping Yao and Son N. Tran and Samantha Sawyer and Saurabh Garg
• Abstract要約: 近年、機械学習は、学術研究と産業応用の両方において葉病分類に採用されている。 この研究は、データ、技術、アプリケーションを含むトピックのさまざまな側面に関する調査を提供する。
• 参考スコア（独自算出の注目度）: 14.73818032506552
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The growing demand for sustainable development brings a series of information technologies to help agriculture production. Especially, the emergence of machine learning applications, a branch of artificial intelligence, has shown multiple breakthroughs which can enhance and revolutionize plant pathology approaches. In recent years, machine learning has been adopted for leaf disease classification in both academic research and industrial applications. Therefore, it is enormously beneficial for researchers, engineers, managers, and entrepreneurs to have a comprehensive view about the recent development of machine learning technologies and applications for leaf disease detection. This study will provide a survey in different aspects of the topic including data, techniques, and applications. The paper will start with publicly available datasets. After that, we summarize common machine learning techniques, including traditional (shallow) learning, deep learning, and augmented learning. Finally, we discuss related applications. This paper would provide useful resources for future study and application of machine learning for smart agriculture in general and leaf disease classification in particular.
• Abstract（参考訳）: 持続可能な開発に対する需要が高まり、農業生産を支援する一連の情報技術がもたらされる。 特に、人工知能の分野である機械学習応用の出現は、植物病理学のアプローチを強化し、革新する複数のブレークスルーを示している。 近年、機械学習は学術研究と産業応用の両方において葉病分類に採用されている。 したがって、研究者、エンジニア、マネージャ、起業家にとって、最近の機械学習技術の発展とリーフ病検出への応用に関する包括的な見解を持つことは、非常に有益である。 この研究は、データ、技術、アプリケーションを含むトピックのさまざまな側面に関する調査を提供する。 論文は、公開データセットから始まる。 その後、従来の(浅層)学習、ディープラーニング、強化学習など、一般的な機械学習テクニックを要約する。 最後に,関連アプリケーションについて考察する。 本稿では,スマート農業における機械学習の今後の研究や応用,特に葉病の分類に有用な資源を提供する。

関連論文リスト

• Applications of machine Learning to improve the efficiency and range of microbial biosynthesis: a review of state-of-art techniques [1.0878040851638]
  本稿では, 生合成に使用される異なる機械学習プログラムについて概説する。 課題や研究の方向性も強調し、成長する分野におけるさらなる研究と開発を推し進める役割を果たしている。 本論文は, 研究を行う研究者, 産業専門家のプロセス改善, 生合成における機械学習の概念の理解を目指す学生のリファレンスとして機能することを目的としている。
  論文  参考訳（メタデータ） (2023-08-26T13:27:40Z)
• Machine Unlearning: A Survey [56.79152190680552]
  プライバシ、ユーザビリティ、および/または忘れられる権利のために、特定のサンプルに関する情報をマシンアンラーニングと呼ばれるモデルから削除する必要がある特別なニーズが生まれている。 この新興技術は、その革新と実用性により、学者と産業の両方から大きな関心を集めている。 この複雑なトピックを分析したり、さまざまなシナリオで既存の未学習ソリューションの実現可能性を比較したりした研究はない。 この調査は、未学習のテクニックに関する卓越した問題と、新しい研究機会のための実現可能な方向性を強調して締めくくった。
  論文  参考訳（メタデータ） (2023-06-06T10:18:36Z)
• Introduction to Machine Learning for Physicians: A Survival Guide for Data Deluge [9.152759278163954]
  現代の研究分野は、大規模な、しばしば構造化されていない、不安定なデータセットの収集と分析にますます依存している。 このデータルージュを活用できる機械学習や人工知能アプリケーションへの関心が高まっている。 この幅広い非技術的概要は、医学的および生物学的応用に特に焦点をあてた、機械学習への穏やかな紹介を提供する。
  論文  参考訳（メタデータ） (2022-12-23T13:08:59Z)
• Deep Active Learning for Computer Vision: Past and Future [50.19394935978135]
  AIモデルの開発に欠かせない役割にもかかわらず、アクティブラーニングの研究は他の研究の方向性ほど集中的ではない。 データ自動化の課題に対処し、自動化された機械学習システムに対処することによって、アクティブな学習はAI技術の民主化を促進する。
  論文  参考訳（メタデータ） (2022-11-27T13:07:14Z)
• Active Informed Consent to Boost the Application of Machine Learning in Medicine [0.11726720776908521]
  精密医療に応用された機械学習は崖の端にある。 我々は、機械学習のための大量のデータ収集を促進するために、新しいハイブリッド法-技術ツールとしてActive Informed Consent(AIC)を提案する。
  論文  参考訳（メタデータ） (2022-09-27T10:24:08Z)
• A Survey of Machine Unlearning [56.017968863854186]
  最近の規制では、要求に応じて、ユーザに関する個人情報をコンピュータシステムから削除する必要がある。 MLモデルは古いデータをよく記憶します。 機械学習に関する最近の研究は、この問題を完全に解決することはできなかった。
  論文  参考訳（メタデータ） (2022-09-06T08:51:53Z)
• Application of Machine Learning in understanding plant virus pathogenesis: Trends and perspectives on emergence, diagnosis, host-virus interplay and management [1.949912057689623]
  深層学習アルゴリズムは、植物ウイルス学を含むいくつかの分野の生物学における機械学習の適用をさらに促進する。 植物ウイルス学の理解における機械学習の適用の著しい進歩を考えると、このレビューは機械学習に関する序文を強調している。
  論文  参考訳（メタデータ） (2021-12-03T16:25:26Z)
• Artificial Intelligence in Drug Discovery: Applications and Techniques [33.59138543942538]
  仮想スクリーニングやドラッグデザインなど、さまざまなAI技術が幅広い用途で使用されている。 まず、薬物発見の概要を説明し、関連するアプリケーションについて議論し、2つの主要なタスクに還元することができる。 次に、一般的なデータリソース、分子表現、ベンチマークプラットフォームについて議論する。
  論文  参考訳（メタデータ） (2021-06-09T20:46:44Z)
• Ten Quick Tips for Deep Learning in Biology [116.78436313026478]
  機械学習は、データのパターンを認識し、予測モデリングに使用するアルゴリズムの開発と応用に関係している。 ディープラーニングは、独自の機械学習のサブフィールドになっている。 生物学的研究の文脈において、ディープラーニングは高次元の生物学的データから新しい洞察を導き出すためにますます使われてきた。
  論文  参考訳（メタデータ） (2021-05-29T21:02:44Z)
• Machine Learning Applications for Therapeutic Tasks with Genomics Data [49.98249191161107]
  ゲノム学の機械学習応用に関する文献を、治療開発のレンズでレビューします。 治療パイプライン全体にわたるゲノミクス応用における22の機械学習を同定する。 この分野における7つの重要な課題を、拡大と影響の機会として挙げる。
  論文  参考訳（メタデータ） (2021-05-03T21:20:20Z)
• Knowledge Distillation: A Survey [87.51063304509067]
  ディープニューラルネットワークは、特にコンピュータビジョンタスクにおいて、産業と学術の両方で成功している。 リソースが限られているデバイスに、これらの面倒なディープモデルをデプロイすることは難しい。 知識蒸留は、大きな教師モデルから小さな学生モデルを効果的に学習する。
  論文  参考訳（メタデータ） (2020-06-09T21:47:17Z)

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。