Fugu-MT 論文翻訳(概要): PhytNet -- Tailored Convolutional Neural Networks for Custom Botanical Data

論文の概要: PhytNet -- Tailored Convolutional Neural Networks for Custom Botanical Data

arxiv url: http://arxiv.org/abs/2311.12088v1
Date: Mon, 20 Nov 2023 14:15:48 GMT
ステータス: 処理完了
システム内更新日: 2023-11-23 03:24:41.293471
Title: PhytNet -- Tailored Convolutional Neural Networks for Custom Botanical Data
Title（参考訳）: PhytNet - カスタムボタニカルデータのためのテーラー畳み込みニューラルネットワーク
Authors: Jamie R. Sykes, Katherine Denby and Daniel W. Franks
Abstract要約: 我々は、病気、雑草、作物の分類のための新しいCNNアーキテクチャであるPhytNetを開発した。赤外線ココアツリー画像の新しいデータセットを用いて、PhytNetの開発を実演し、その性能を既存のアーキテクチャと比較する。 PhytNetは、関連する機能に優れた注意を払っており、オーバーフィッティングがなく、非常に低コストである。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Automated disease, weed and crop classification with computer vision will be invaluable in the future of agriculture. However, existing model architectures like ResNet, EfficientNet and ConvNeXt often underperform on smaller, specialised datasets typical of such projects. We address this gap with informed data collection and the development of a new CNN architecture, PhytNet. Utilising a novel dataset of infrared cocoa tree images, we demonstrate PhytNet's development and compare its performance with existing architectures. Data collection was informed by analysis of spectroscopy data, which provided useful insights into the spectral characteristics of cocoa trees. Such information could inform future data collection and model development. Cocoa was chosen as a focal species due to the diverse pathology of its diseases, which pose significant challenges for detection. ResNet18 showed some signs of overfitting, while EfficientNet variants showed distinct signs of overfitting. By contrast, PhytNet displayed excellent attention to relevant features, no overfitting, and an exceptionally low computation cost (1.19 GFLOPS). As such PhytNet is a promising candidate for rapid disease or plant classification, or precise localisation of disease symptoms for autonomous systems.
Abstract（参考訳）: コンピュータービジョンによる自動病気、雑草、作物の分類は、農業の未来において貴重なものになるだろう。しかし、resnet、 efficientnet、convnextのような既存のモデルアーキテクチャは、そのようなプロジェクトで典型的なより小さく専門化されたデータセットに過小評価されることが多い。我々は、インフォームドデータ収集と新しいcnnアーキテクチャであるphytnetの開発でこのギャップに対処する。赤外線ココアツリー画像の新しいデータセットを用いて、PhytNetの開発を実証し、既存のアーキテクチャと比較する。データ収集は分光データの解析により,ココア木のスペクトル特性に関する有用な知見を得た。このような情報は、将来のデータ収集とモデル開発に役立ちます。ココアはその病気の多様な病理から焦点種として選ばれ、検出に重大な課題を生じさせた。 ResNet18はオーバーフィッティングの兆候を示し、EfficientNetはオーバーフィッティングの兆候を示した。対照的に、PhytNetは関連する機能に優れた注意を払っており、オーバーフィッティングはなく、計算コストも非常に低い(1.19 GFLOPS)。このようなフィトネットは、急速な疾患や植物の分類、あるいは自律システムのための疾患症状の正確な局所化の候補として有望である。

関連論文リスト

Leveraging Frequency Domain Learning in 3D Vessel Segmentation [50.54833091336862]
本研究では,Fourier領域学習を3次元階層分割モデルにおけるマルチスケール畳み込みカーネルの代用として活用する。管状血管分割作業において,新しいネットワークは顕著なサイス性能(ASACA500が84.37%,ImageCASが80.32%)を示した。
論文参考訳（メタデータ） (2024-01-11T19:07:58Z)
Visual Prompting Upgrades Neural Network Sparsification: A Data-Model Perspective [64.04617968947697]
より優れた重量空間を実現するために、新しいデータモデル共設計視点を導入する。具体的には、提案したVPNフレームワークでニューラルネットワークのスパーシフィケーションをアップグレードするために、カスタマイズされたVisual Promptが実装されている。
論文参考訳（メタデータ） (2023-12-03T13:50:24Z)
An Improved CNN-based Neural Network Model for Fruit Sugar Level Detection [24.07349410158827]
我々は,果実の可視/近赤外(V/NIR)スペクトルに基づいて,ニューラルネットワーク(ANN)を用いた果実糖度推定のための回帰モデルを構築した。果実糖濃度を検出対象として,Gan Nan Navel と Tian Shan Pear の2種類の果実データを収集し,その比較実験を行った。
論文参考訳（メタデータ） (2023-11-18T17:07:25Z)
Denoising Diffusion Probabilistic Model for Retinal Image Generation and Segmentation [3.6350786512556987]
本稿では,画像合成におけるGANよりも優れた新しい拡散確率モデル(DDPM)を提案する。網膜画像とそれに対応する血管木と,ReTreeデータセットの画像でトレーニングされたDDPMに基づくセグメンテーションネットワークからなる網膜ツリーデータセットを開発した。
論文参考訳（メタデータ） (2023-08-16T13:01:13Z)
Energy-based Out-of-Distribution Detection for Graph Neural Networks [76.0242218180483]
我々は,GNNSafeと呼ばれるグラフ上での学習のための,シンプルで強力で効率的なOOD検出モデルを提案する。 GNNSafeは、最先端技術に対するAUROCの改善を最大17.0%で達成しており、そのような未開発領域では単純だが強力なベースラインとして機能する可能性がある。
論文参考訳（メタデータ） (2023-02-06T16:38:43Z)
Leveraging the structure of dynamical systems for data-driven modeling [111.45324708884813]
トレーニングセットとその構造が長期予測の品質に与える影響を考察する。トレーニングセットのインフォームドデザインは,システムの不変性と基盤となるアトラクションの構造に基づいて,結果のモデルを大幅に改善することを示す。
論文参考訳（メタデータ） (2021-12-15T20:09:20Z)
A Computational Framework for Modeling Complex Sensor Network Data Using Graph Signal Processing and Graph Neural Networks in Structural Health Monitoring [0.7519872646378835]
本稿では,グラフ信号処理(GSP)とグラフニューラルネットワーク(GNN)を組み合わせた複雑なネットワークモデリングに基づくフレームワークを提案する。我々は,オランダの大きな橋梁のセンサデータ(ひずみ,振動)のモデル化と解析という,実世界の構造的健康モニタリングユースケースに注目した。
論文参考訳（メタデータ） (2021-05-01T10:45:57Z)
Anomaly Detection on Attributed Networks via Contrastive Self-Supervised Learning [50.24174211654775]
本論文では,アトリビュートネットワーク上の異常検出のためのコントラスト型自己監視学習フレームワークを提案する。このフレームワークは、新しいタイプのコントラストインスタンスペアをサンプリングすることで、ネットワークデータからのローカル情報を完全に活用します。高次元特性と局所構造から情報埋め込みを学習するグラフニューラルネットワークに基づくコントラスト学習モデルを提案する。
論文参考訳（メタデータ） (2021-02-27T03:17:20Z)
RetiNerveNet: Using Recursive Deep Learning to Estimate Pointwise 24-2 Visual Field Data based on Retinal Structure [109.33721060718392]
緑内障は世界でも不可逆的な盲目の主要な原因です 7000万人以上が影響を受けています The Standard Automated Perimetry (SAP) test's innate difficulty and its high test-retest variable, we propose the RetiNerveNet。
論文参考訳（メタデータ） (2020-10-15T03:09:08Z)
Improving Robustness using Joint Attention Network For Detecting Retinal Degeneration From Optical Coherence Tomography Images [0.0]
本稿では,2つのジョイントネットワークからなる新しいアーキテクチャとして,病原性特徴表現を用いることを提案する。公開データセットに対する実験結果から,提案したジョイントネットワークは,未確認データセット上での最先端網膜疾患分類ネットワークの精度と堅牢性を大幅に向上することが示された。
論文参考訳（メタデータ） (2020-05-16T20:32:49Z)
The Plant Pathology 2020 challenge dataset to classify foliar disease of apples [0.0]
米国のリンゴ果樹園は、多くの病原体や昆虫から常に脅威にさらされている。病気管理の適正かつタイムリーな展開は、早期の疾患検出に依存している。我々は,複数のリンゴ葉病の高画質・実生症状画像3,651枚を手作業で取得した。リンゴの皮、スギのリンゴのさび、健康な葉のパイロットデータセットを作成するために専門家が注釈を付けたサブセットが、Kaggleコミュニティの'Plant Pathology Challenge'で利用可能になった。
論文参考訳（メタデータ） (2020-04-24T19:36:37Z)

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。