論文の概要: Automatic counting of planting microsites via local visual detection and global count estimation

• arxiv url: http://arxiv.org/abs/2311.00796v1
• Date: Wed, 1 Nov 2023 19:31:54 GMT
• ステータス: 処理完了
• システム内更新日: 2023-11-03 15:54:37.910944
• Title: Automatic counting of planting microsites via local visual detection and global count estimation
• Title（参考訳）: 局所視覚検出とグローバルカウント推定による植栽微生物の自動計数
• Authors: Ahmed Zgaren, Wassim Bouachir, Nizar Bouguila
• Abstract要約: 林業では、植林作業に先立って、マウンディングによる機械的部位の整備が広く用いられている。 プランニング作業における主な問題は、プランニングブロックに存在するマウンドの数を見積もることの難しさである。 近年のUAV画像と人工知能の進歩に触発されて,植林ブロックのマウンド数を推定する完全に自動化された枠組みを提案する。
• 参考スコア（独自算出の注目度）: 21.570524485954635
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: In forest industry, mechanical site preparation by mounding is widely used prior to planting operations. One of the main problems when planning planting operations is the difficulty in estimating the number of mounds present on a planting block, as their number may greatly vary depending on site characteristics. This estimation is often carried out through field surveys by several forestry workers. However, this procedure is prone to error and slowness. Motivated by recent advances in UAV imagery and artificial intelligence, we propose a fully automated framework to estimate the number of mounds on a planting block. Using computer vision and machine learning, we formulate the counting task as a supervised learning problem using two prediction models. A local detection model is firstly used to detect visible mounds based on deep features, while a global prediction function is subsequently applied to provide a final estimation based on block-level features. To evaluate the proposed method, we constructed a challenging UAV dataset representing several plantation blocks with different characteristics. The performed experiments demonstrated the robustness of the proposed method, which outperforms manual methods in precision, while significantly reducing time and cost.
• Abstract（参考訳）: 林業では、植林作業に先立ってマウンディングによる機械的部位の整備が広く用いられている。 植林作業計画における主な問題の一つは、敷地特性によって大きく異なるため、植林ブロック上に存在するマウンド数の推定が困難である。 この推定は、いくつかの森林労働者による調査を通じて行われることが多い。 しかし、この手順はエラーや遅くなる傾向がある。 近年のuav画像と人工知能の進歩に動機づけられ,植林ブロック上のマウンド数を推定するための完全自動化フレームワークを提案する。 コンピュータビジョンと機械学習を用いて,2つの予測モデルを用いた教師付き学習問題としてカウントタスクを定式化する。 まず,局部検出モデルを用いて深部特徴に基づく可視マウンドの検出を行い,続いてグローバル予測関数を適用し,ブロックレベルの特徴に基づく最終推定を行う。 提案手法を評価するために,異なる特徴を持つ複数のプランテーションブロックを表す挑戦的なUAVデータセットを構築した。 実験により,提案手法のロバスト性を実証し,手作業の精度を向上し,時間とコストを著しく低減した。

関連論文リスト

• SureMap: Simultaneous Mean Estimation for Single-Task and Multi-Task Disaggregated Evaluation [75.56845750400116]
  分散評価(disaggregated evaluation) -- 異なるサブポピュレーション上での機械学習モデルのパフォーマンスの推定 - は、AIシステムのパフォーマンスとグループフェアネスを評価する上で、中核的なタスクである。 ブラックボックスモデルの評価において,マルチタスクとシングルタスクの双方に対して高い推定精度を持つSureMapを開発した。 提案手法は, ウェル・チョーゼンを用いた最大後部推定と, スタインの非バイアスリスク推定(SURE)によるクロスバリデーションフリーチューニングを併用する。
  論文  参考訳（メタデータ） (2024-11-14T17:53:35Z)
• EMPERROR: A Flexible Generative Perception Error Model for Probing Self-Driving Planners [27.813716878034374]
  本稿では, EMPERRORを提案する。 我々は、現在の検出器を以前の研究よりも忠実に模倣していることを示します。 現実的な入力を生成し、プランナーの衝突率を最大85%向上させることができる。
  論文  参考訳（メタデータ） (2024-11-12T11:24:18Z)
• GeneralAD: Anomaly Detection Across Domains by Attending to Distorted Features [68.14842693208465]
  GeneralADは、意味的、ほぼ分布的、産業的設定で動作するように設計された異常検出フレームワークである。 本稿では,ノイズ付加やシャッフルなどの簡単な操作を施した自己教師付き異常生成モジュールを提案する。 提案手法を10のデータセットに対して広範囲に評価し,6つの実験結果と,残りの6つの実験結果を得た。
  論文  参考訳（メタデータ） (2024-07-17T09:27:41Z)
• Terrain characterisation for online adaptability of automated sonar processing: Lessons learnt from operationally applying ATR to sidescan sonar in MCM applications [0.0]
  本稿では,AUV(Autonomous Underwater Vehicles)ミッションにおける説明性向上のための2つのオンライン海底特性評価手法を提案する。 どちらの手法も、地形の複雑さに対する人間の理解に関連する地形の特徴を抽出するために、教師なしの機械学習アプローチに依存している。 最初の技術は、ATRアルゴリズムの性能に基づいて、定量的でアプリケーション駆動の地形特性指標を提供する。 第2の方法は,主題の専門知識を取り入れ,シナリオ依存型主観的地形特徴化を支援するための文脈化と説明可能性を実現する方法である。
  論文  参考訳（メタデータ） (2024-04-29T12:48:42Z)
• PlantPlotGAN: A Physics-Informed Generative Adversarial Network for Plant Disease Prediction [2.7409168462107347]
  リアルな植生指標を持つ合成多スペクトルプロット画像を作成することができる物理インフォームド・ジェネレーティブ・モデルであるPlanetPlotGANを提案する。 その結果, PlantPlotGANから生成された合成画像はFr'echet開始距離に関して最先端の手法よりも優れていた。
  論文  参考訳（メタデータ） (2023-10-27T16:56:28Z)
• Implicit Occupancy Flow Fields for Perception and Prediction in Self-Driving [68.95178518732965]
  自動運転車(SDV)は、周囲を認識でき、他の交通参加者の将来の行動を予測できなければならない。 既存の作業は、検出されたオブジェクトの軌跡が続くオブジェクト検出を実行するか、シーン全体の密度の高い占有とフローグリッドを予測するかのいずれかである。 これは、認識と将来の予測に対する統一されたアプローチを動機付け、単一のニューラルネットワークで時間とともに占有とフローを暗黙的に表現します。
  論文  参考訳（メタデータ） (2023-08-02T23:39:24Z)
• Towards Motion Forecasting with Real-World Perception Inputs: Are End-to-End Approaches Competitive? [93.10694819127608]
  実世界の知覚入力を用いた予測手法の統一評価パイプラインを提案する。 我々の詳細な調査では、キュレートされたデータから知覚ベースのデータへ移行する際の大きなパフォーマンスギャップが明らかになりました。
  論文  参考訳（メタデータ） (2023-06-15T17:03:14Z)
• DISCount: Counting in Large Image Collections with Detector-Based Importance Sampling [32.522579550452484]
  DISCountは、大規模な画像収集をカウントするための検出器ベースの重要なサンプリングフレームワークである。 これは、不完全な検知器とループ内のヒトスクリーニングを統合して、不偏のカウント推定を生成する。
  論文  参考訳（メタデータ） (2023-06-05T18:04:57Z)
• 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)
• Unsupervised deep learning techniques for powdery mildew recognition based on multispectral imaging [63.62764375279861]
  本稿では,キュウリ葉の粉状ミドウを自動的に認識する深層学習手法を提案する。 マルチスペクトルイメージングデータに適用した教師なし深層学習技術に焦点をあてる。 本稿では, オートエンコーダアーキテクチャを用いて, 疾患検出のための2つの手法を提案する。
  論文  参考訳（メタデータ） (2021-12-20T13:29:13Z)
• Deep Multi-Task Learning for Joint Localization, Perception, and Prediction [68.50217234419922]
  本稿では,ローカライズエラー下の最先端の自律性スタックで発生する問題について検討する。 我々は,認識,予測,局所化を共同で行うシステムの設計を行う。 本アーキテクチャでは,両タスク間の計算を再利用し,効率よくローカライズエラーを修正できる。
  論文  参考訳（メタデータ） (2021-01-17T17:20:31Z)

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。