論文の概要: Analyzing Near-Infrared Hyperspectral Imaging for Protein Content Regression and Grain Variety Classification Using Bulk References and Varying Grain-to-Background Ratios

• arxiv url: http://arxiv.org/abs/2311.04042v1
• Date: Tue, 7 Nov 2023 14:54:46 GMT
• ステータス: 処理完了
• システム内更新日: 2023-11-08 15:10:32.558344
• Title: Analyzing Near-Infrared Hyperspectral Imaging for Protein Content Regression and Grain Variety Classification Using Bulk References and Varying Grain-to-Background Ratios
• Title（参考訳）: バルク基準によるタンパク質含量回帰と粒品種分類のための近赤外ハイパースペクトルイメージング
• Authors: Ole-Christian Galbo Engstr{\o}m and Erik Schou Dreier and Birthe M{\o}ller Jespersen and Kim Steenstrup Pedersen
• Abstract要約: NIR-HSI画像を用いて2つのデータセットのモデルの校正を行う。 タンパク質含量の回帰と粒度分類に焦点をあてる。
• 参考スコア（独自算出の注目度）: 0.9558392439655016
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Based on previous work, we assess the use of NIR-HSI images for calibrating models on two datasets, focusing on protein content regression and grain variety classification. Limited reference data for protein content is expanded by subsampling and associating it with the bulk sample. However, this method introduces significant biases due to skewed leptokurtic prediction distributions, affecting both PLS-R and deep CNN models. We propose adjustments to mitigate these biases, improving mean protein reference predictions. Additionally, we investigate the impact of grain-to-background ratios on both tasks. Higher ratios yield more accurate predictions, but including lower-ratio images in calibration enhances model robustness for such scenarios.
• Abstract（参考訳）: 本研究は,NIR-HSI画像を用いた2つのデータセットのモデルキャリブレーションを行い,タンパク質含量回帰と粒度分類に着目した。 タンパク質含量の限定参照データをサブサンプリングしてバルク試料と関連付けることで拡張する。 しかし, この手法は, PLS-Rモデルと深部CNNモデルの両方に影響を及ぼすスキュートレプトーラス予測分布による有意なバイアスをもたらす。 これらのバイアスを緩和し、平均タンパク質参照予測を改善するための調整を提案する。 さらに,両タスクの粒界間比の影響について検討した。 高い比はより正確な予測をもたらすが、キャリブレーションにおける低比画像を含むと、そのようなシナリオに対するモデルロバスト性が向上する。

関連論文リスト

• Rényi Neural Processes [14.11793373584558]
  本稿では,事前の誤特定の影響を改善するためにR'enyi Neural Processs (RNP)を提案する。 密度比 $fracpq$ は (1-$alpha$) の差分勾配で後方に関してスケールする。 実験の結果,最先端のNPファミリーモデルよりも一貫したログライクな改善が見られた。
  論文  参考訳（メタデータ） (2024-05-25T00:14:55Z)
• Kermut: Composite kernel regression for protein variant effects [0.9262403397108374]
  プロセス回帰モデルであるKermutと、突然変異類似性をモデル化するための新しい複合カーネルを提供する。 不確実性推定の品質分析は、我々のモデルが全体キャリブレーションの有意義なレベルを提供することを示している。
  論文  参考訳（メタデータ） (2024-04-09T14:08:06Z)
• Forgery-aware Adaptive Transformer for Generalizable Synthetic Image Detection [106.39544368711427]
  本研究では,様々な生成手法から偽画像を検出することを目的とした,一般化可能な合成画像検出の課題について検討する。 本稿では,FatFormerという新しいフォージェリー適応トランスフォーマー手法を提案する。 提案手法は, 平均98%の精度でGANを観測し, 95%の精度で拡散モデルを解析した。
  論文  参考訳（メタデータ） (2023-12-27T17:36:32Z)
• Exploiting Diffusion Prior for Generalizable Dense Prediction [85.4563592053464]
  近年のテキスト・トゥ・イメージ(T2I)拡散モデルでは、既成の高密度予測器では予測できないことがある。 我々は,事前学習したT2Iモデルを用いたパイプラインDMPを,高密度予測タスクの先駆けとして導入する。 限られたドメインのトレーニングデータにもかかわらず、この手法は任意の画像に対して忠実に推定し、既存の最先端のアルゴリズムを超越する。
  論文  参考訳（メタデータ） (2023-11-30T18:59:44Z)
• Geometric Data Augmentations to Mitigate Distribution Shifts in Pollen Classification from Microscopic Images [4.545340728210854]
  我々は、幾何学的特徴が正確な花粉の同定に非常に重要であるというドメイン知識を活用している。 本稿では,列車におけるモデル性能とテストデータセットとの精度ギャップを著しく狭めるために,新しい2つの幾何画像拡張手法を提案する。
  論文  参考訳（メタデータ） (2023-11-18T10:35:18Z)
• B-Spine: Learning B-Spline Curve Representation for Robust and Interpretable Spinal Curvature Estimation [50.208310028625284]
  脊椎のB-スプライン曲線表現を学習するための新しいディープラーニングパイプラインであるB-Spineを提案する。 低画質X線画像から脊髄曲率推定のためのコブ角度を推定する。
  論文  参考訳（メタデータ） (2023-10-14T15:34:57Z)
• Posterior samples of source galaxies in strong gravitational lenses with score-based priors [107.52670032376555]
  我々はスコアベースモデルを用いて、背景銀河の歪みのない画像の事前推定を符号化する。 アウト・オブ・ディストリビューション・データを用いた実験において、可能性と事前のバランスが、我々の期待にどのように合致しているかを示す。
  論文  参考訳（メタデータ） (2022-11-07T19:00:42Z)
• Model soups: averaging weights of multiple fine-tuned models improves accuracy without increasing inference time [69.7693300927423]
  複数モデルの重み付けを異なるパラメータ構成で微調整することにより,精度とロバスト性が向上することを示す。 モデルスープ手法は,複数の画像分類や自然言語処理タスクにまで拡張されている。
  論文  参考訳（メタデータ） (2022-03-10T17:03:49Z)
• Retrieval of aboveground crop nitrogen content with a hybrid machine learning method [5.6740282691255075]
  ハイパースペクトル取得は、窒素(N)含有量を推定するための最も有益な地球観測データソースであることが証明されています。 過去には、この生化学植物成分に関する情報をキャノピー反射から得るために、経験的アルゴリズムが広く用いられてきた。 本研究では,物理ベースアプローチと機械学習回帰を組み合わせ,作物N含有量を推定するハイブリッド検索手法を提案する。
  論文  参考訳（メタデータ） (2020-12-07T13:06:59Z)
• On Signal-to-Noise Ratio Issues in Variational Inference for Deep Gaussian Processes [55.62520135103578]
  重み付き変分推論を用いたDGP(Deep Gaussian Processs)の訓練で用いられる勾配推定は,信号-雑音比(SNR)問題の影響を受けやすいことを示す。 DGPモデルの予測性能が一貫した改善につながることを示す。
  論文  参考訳（メタデータ） (2020-11-01T14:38:02Z)

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。