論文の概要: Classification of grapevine varieties using UAV hyperspectral imaging
- arxiv url: http://arxiv.org/abs/2401.12851v1
- Date: Tue, 23 Jan 2024 15:35:50 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-24 15:22:52.835683
- Title: Classification of grapevine varieties using UAV hyperspectral imaging
- Title（参考訳）: UAVハイパースペクトルイメージングによるブドウ品種の分類
- Authors: Alfonso L\'opez, Carlos Javier Ogayar, Francisco Ram\'on Feito,
Joaquim Jo\~ao Sousa
- Abstract要約: ブドウ品種の分類は、精密ブドウ栽培において関連する表現型課題である。
無人航空機(UAV)は、ハイパースペクトルデータの収集に対して、より効率的で禁止的でないアプローチを提供する。
本研究では,17種類の赤と白のブドウ品種を分類するために,畳み込みニューラルネットワーク(CNN)を提案する。
- 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: The classification of different grapevine varieties is a relevant phenotyping
task in Precision Viticulture since it enables estimating the growth of
vineyard rows dedicated to different varieties, among other applications
concerning the wine industry. This task can be performed with destructive
methods that require time-consuming tasks, including data collection and
analysis in the laboratory. However, Unmanned Aerial Vehicles (UAV) provide a
more efficient and less prohibitive approach to collecting hyperspectral data,
despite acquiring noisier data. Therefore, the first task is the processing of
these data to correct and downsample large amounts of data. In addition, the
hyperspectral signatures of grape varieties are very similar. In this work, a
Convolutional Neural Network (CNN) is proposed for classifying seventeen
varieties of red and white grape variants. Rather than classifying single
samples, these are processed together with their neighbourhood. Hence, the
extraction of spatial and spectral features is addressed with 1) a spatial
attention layer and 2) Inception blocks. The pipeline goes from processing to
dataset elaboration, finishing with the training phase. The fitted model is
evaluated in terms of response time, accuracy and data separability, and
compared with other state-of-the-art CNNs for classifying hyperspectral data.
Our network was proven to be much more lightweight with a reduced number of
input bands, a lower number of trainable weights and therefore, reduced
training time. Despite this, the evaluated metrics showed much better results
for our network (~99% overall accuracy), in comparison with previous works
barely achieving 81% OA.
- Abstract（参考訳）: ブドウ品種の分類は、ワイン産業などにおける様々な品種専用のブドウ園の列の成長を推定できるため、精密ブドウ栽培において関連する表現型課題である。
このタスクは、研究室のデータ収集や分析を含む時間を要する破壊的な方法で実行することができる。
しかし、無人航空機(uav)は、noisierデータを取得したにもかかわらず、ハイパースペクトルデータを集めるためのより効率的で控えめなアプローチを提供する。
したがって、最初のタスクは、大量のデータを修正してダウンサンプルするこれらのデータの処理である。
また、ブドウ品種のハイパースペクトルのシグネチャも非常に似ている。
本研究では,17種類の赤と白のブドウ品種を分類するために,畳み込みニューラルネットワーク(CNN)を提案する。
単一のサンプルを分類するのではなく、これらのサンプルは近隣で処理される。
したがって、空間的特徴とスペクトル的特徴の抽出に対処する。
1)空間的注意層及び
2)開始ブロック。
パイプラインは処理からデータセットのエラボレーションへと進み、トレーニングフェーズで終了する。
適応モデルは応答時間,精度,データの分離性の観点から評価し,高スペクトルデータを分類するための他の最先端CNNと比較する。
我々のネットワークは、入力バンド数が減り、トレーニング可能な重量が減り、トレーニング時間が短縮されたことにより、はるかに軽量であることが証明された。
それにもかかわらず、評価された指標は、これまでの81%のOAをほとんど達成していなかったのに比べて、我々のネットワーク(全体の99%の精度)に対してはるかに良い結果を示した。
関連論文リスト
- Graph Out-of-Distribution Generalization with Controllable Data
Augmentation [51.17476258673232]
グラフニューラルネットワーク(GNN)は,グラフ特性の分類において異常な性能を示した。
トレーニングとテストデータの選択バイアスが原因で、分散偏差が広まっています。
仮想サンプルの分布偏差を測定するためのOODキャリブレーションを提案する。
論文 参考訳（メタデータ） (2023-08-16T13:10:27Z) - Revisiting the Evaluation of Image Synthesis with GANs [55.72247435112475]
本研究では, 合成性能の評価に関する実証的研究を行い, 生成モデルの代表としてGAN(Generative Adversarial Network)を用いた。
特に、表現空間におけるデータポイントの表現方法、選択したサンプルを用いた公平距離の計算方法、各集合から使用可能なインスタンス数など、さまざまな要素の詳細な分析を行う。
論文 参考訳（メタデータ） (2023-04-04T17:54:32Z) - Weakly and Semi-Supervised Detection, Segmentation and Tracking of Table
Grapes with Limited and Noisy Data [7.754321012552764]
現代のアルゴリズムはデータに飢えており、最高のパフォーマンスの教師付きアプローチを適用するのに十分なデータを集めることは必ずしも不可能である。
本稿では,精密農業応用における最先端検出・分節化に必要なデータを削減するために,弱教師付きソリューションを提案する。
我々は,ラベル付き画像がほとんどなく,非常に単純なラベル付けで高い性能を達成できる新しいモデルをいかに訓練できるかを示す。
論文 参考訳（メタデータ） (2022-08-27T12:58:42Z) - Generative models-based data labeling for deep networks regression:
application to seed maturity estimation from UAV multispectral images [3.6868861317674524]
種子の成熟度モニタリングは、気候変動とより制限的な慣行による農業における課題の増加である。
従来の手法は、フィールドでの限られたサンプリングと実験室での分析に基づいている。
マルチスペクトルUAV画像を用いたパセリ種子の成熟度推定手法の提案と,自動ラベリングのための新しいアプローチを提案する。
論文 参考訳（メタデータ） (2022-08-09T09:06:51Z) - End-to-end deep learning for directly estimating grape yield from
ground-based imagery [53.086864957064876]
本研究は, ブドウ畑の収量推定に深層学習と併用した近位画像の応用を実証する。
オブジェクト検出、CNN回帰、トランスフォーマーモデルという3つのモデルアーキテクチャがテストされた。
本研究は,ブドウの収量予測における近位画像と深層学習の適用性を示した。
論文 参考訳（メタデータ） (2022-08-04T01:34:46Z) - From Spectral Graph Convolutions to Large Scale Graph Convolutional
Networks [0.0]
グラフ畳み込みネットワーク(GCN)は、様々なタスクにうまく適用された強力な概念であることが示されている。
古典グラフ理論の関連部分を含むGCNの定義への道を開いた理論を考察する。
論文 参考訳（メタデータ） (2022-07-12T16:57:08Z) - Learning to Generate Synthetic Training Data using Gradient Matching and
Implicit Differentiation [77.34726150561087]
本稿では,深層ネットワークの訓練に要するデータ量を削減できる各種データ蒸留技術について検討する。
近年の考え方に触発されて, 生成的学習ネットワーク, 勾配マッチング, インプリシット関数理論に基づく新しいデータ蒸留手法を提案する。
論文 参考訳（メタデータ） (2022-03-16T11:45:32Z) - Seed Phenotyping on Neural Networks using Domain Randomization and
Transfer Learning [0.0]
種子表現型は、種子の形態的特性を分析して、その挙動を発達、耐性、収量の観点から予測する考え方である。
研究の焦点は、最先端のオブジェクト検出およびローカリゼーションネットワークの適用および実現可能性分析である。
論文 参考訳（メタデータ） (2020-12-24T14:04:28Z) - Omni-supervised Facial Expression Recognition via Distilled Data [120.11782405714234]
ネットワークトレーニングにおいて,信頼度の高いサンプルを多量のラベルのないデータで活用するためのオムニ教師付き学習を提案する。
我々は,新しいデータセットが学習したFERモデルの能力を大幅に向上させることができることを実験的に検証した。
そこで本研究では,生成したデータセットを複数のクラスワイド画像に圧縮するために,データセット蒸留戦略を適用することを提案する。
論文 参考訳（メタデータ） (2020-05-18T09:36:51Z) - Improving Deep Hyperspectral Image Classification Performance with
Spectral Unmixing [3.84448093764973]
本稿では,多元HSI分類法を提案する。
我々は、データセット固有のオートエンコーダにより、スペクトル領域から豊富な領域へのすべてのHSIを変換する。
次に、複数のHSIからの豊富な表現を収集して拡大データセットを形成する。
論文 参考訳（メタデータ） (2020-04-01T17:14:05Z) - Diversity inducing Information Bottleneck in Model Ensembles [73.80615604822435]
本稿では,予測の多様性を奨励することで,ニューラルネットワークの効果的なアンサンブルを生成する問題をターゲットにする。
そこで本研究では,潜伏変数の学習における逆損失の多様性を明示的に最適化し,マルチモーダルデータのモデリングに必要な出力予測の多様性を得る。
最も競争力のあるベースラインと比較して、データ分布の変化の下で、分類精度が大幅に向上した。
論文 参考訳（メタデータ） (2020-03-10T03:10:41Z)
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。