論文の概要: Automatic Wood Pith Detector: Local Orientation Estimation and Robust Accumulation

• arxiv url: http://arxiv.org/abs/2404.01952v1
• Date: Tue, 2 Apr 2024 13:47:15 GMT
• ステータス: 処理完了
• システム内更新日: 2024-04-03 16:19:00.863920
• Title: Automatic Wood Pith Detector: Local Orientation Estimation and Robust Accumulation
• Title（参考訳）: 自動木管検出装置:局所方位推定とロバスト蓄積
• Authors: Henry Marichal, Diego Passarella, Gregory Randall,
• Abstract要約: 木材ピット検出(APD)のための完全自動化手法を提案する。 この方法は、2次元構造テンソルを用いてリングの局所的な向きを推定し、ピット位置を求める。 また,明らかなツリーリングパターンが存在しない場合に,本手法の有効性を高める変種(APD-PCL)を提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: A fully automated technique for wood pith detection (APD), relying on the concentric shape of the structure of wood ring slices, is introduced. The method estimates the ring's local orientations using the 2D structure tensor and finds the pith position, optimizing a cost function designed for this problem. We also present a variant (APD-PCL), using the parallel coordinates space, that enhances the method's effectiveness when there are no clear tree ring patterns. Furthermore, refining previous work by Kurdthongmee, a YoloV8 net is trained for pith detection, producing a deep learning-based approach to the same problem (APD-DL). All methods were tested on seven datasets, including images captured under diverse conditions (controlled laboratory settings, sawmill, and forest) and featuring various tree species (Pinus taeda, Douglas fir, Abies alba, and Gleditsia triacanthos). All proposed approaches outperform existing state-of-the-art methods and can be used in CPU-based real-time applications. Additionally, we provide a novel dataset comprising images of gymnosperm and angiosperm species. Dataset and source code are available at http://github.com/hmarichal93/apd.
• Abstract（参考訳）: 木材リングスライスの構造の同心円形状に依存した完全自動木材穴検出技術(APD)を導入する。 この方法は、2次元構造テンソルを用いてリングの局所配向を推定し、ピット位置を見つけ、この問題のために設計されたコスト関数を最適化する。 また、並列座標空間を用いた変種(APD-PCL)を提案する。 さらに、YoloV8ネットであるKurdthongmeeによる以前の研究を精錬して、穴の検出をトレーニングし、同じ問題(APD-DL)に対するディープラーニングベースのアプローチを生成する。 様々な条件下で撮影された画像(実験室の設定、製材所、森林)を含む7つのデータセットで試験を行い、様々な木種(Pinus taeda, Douglas fir, Abies alba, Gleditsia triacanthos)を特徴とした。 提案手法はすべて既存の最先端の手法より優れており、CPUベースのリアルタイムアプリケーションで使用することができる。 さらに,体育種およびアンジオスペルム種の画像からなる新規なデータセットを提供する。 データセットとソースコードはhttp://github.com/hmarichal93/apd.comで入手できる。

関連論文リスト

• UruDendro, a public dataset of cross-section images of Pinus taeda [0.0]
  本論文は,ウルグアイ北部で栽培されたタエダ林の横断面をスキャンした64枚の画像のデータベースを公開し,その樹齢は17～24歳である。 このコレクションには、照明と表面調製のバリエーション、真菌感染(青色の染色)、結び目の形成、外輪の欠損または中断、放射分解など、自動リング検出のためのいくつかの困難な特徴が含まれている。 本稿では, 樹冠年代学コミュニティにおいて, 初期木と後期木との明確な定義を示す木々の断面において, 完全な年輪を識別し, マークするクロス・セクション・ツリー・リング検出法(CS-TRD)について述べる。
  論文  参考訳（メタデータ） (2024-04-16T19:10:40Z)
• V-DETR: DETR with Vertex Relative Position Encoding for 3D Object Detection [73.37781484123536]
  DETRフレームワークを用いた点雲のための高性能な3次元物体検出器を提案する。 限界に対処するため,新しい3次元相対位置(3DV-RPE)法を提案する。 挑戦的なScanNetV2ベンチマークで例外的な結果を示す。
  論文  参考訳（メタデータ） (2023-08-08T17:14:14Z)
• CS-TRD: a Cross Sections Tree Ring Detection method [0.0]
  この手法は、Canny Devernayエッジ検出器(シグマ)のパラメータ、サイズ要因、光の数、および穴の位置に依存する。 CS-TRDは完全に自動化されており、UruDendroデータセット(Pinus taeda)で89%、Kennelデータセット(Abies alba)で97%のFスコアを特別なハードウェア要件なしで達成している。
  論文  参考訳（メタデータ） (2023-05-18T08:43:57Z)
• Tree Detection and Diameter Estimation Based on Deep Learning [0.0]
  樹木認識は、自律的な林業活動に向けた重要なビルディングブロックである。 データセットでトレーニングされたディープニューラルネットワークモデルは、木検出の精度90.4%を達成する。 結果は、自律的な倒木作戦への有望な道を提供する。
  論文  参考訳（メタデータ） (2022-10-31T15:51:32Z)
• Robust Change Detection Based on Neural Descriptor Fields [53.111397800478294]
  我々は、部分的に重なり合う観測結果とノイズのある局所化結果に頑健なオブジェクトレベルのオンライン変化検出手法を開発した。 形状符号の類似性を利用して物体を連想させ, 局所的な物体近傍の空間配置を比較することにより, 観測重複や局所雑音に対する頑健性を示す。
  論文  参考訳（メタデータ） (2022-08-01T17:45:36Z)
• Unseen Object 6D Pose Estimation: A Benchmark and Baselines [62.8809734237213]
  本稿では,新しい物体の6次元ポーズ推定をアルゴリズムで行えるようにするための新しいタスクを提案する。 実画像と合成画像の両方でデータセットを収集し、テストセットで最大48個の未確認オブジェクトを収集する。 エンド・ツー・エンドの3D対応ネットワークをトレーニングすることにより、未確認物体と部分ビューRGBD画像との対応点を高精度かつ効率的に見つけることができる。
  論文  参考訳（メタデータ） (2022-06-23T16:29:53Z)
• ZebraPose: Coarse to Fine Surface Encoding for 6DoF Object Pose Estimation [76.31125154523056]
  物体表面を高密度に表現できる離散ディスクリプタを提案する。 また,微粒化対応予測が可能な微粒化学習戦略を提案する。
  論文  参考訳（メタデータ） (2022-03-17T16:16:24Z)
• Densely Nested Top-Down Flows for Salient Object Detection [137.74130900326833]
  本稿では,物体検出におけるトップダウンモデリングの役割を再考する。 密度の高いトップダウンフロー(DNTDF)ベースのフレームワークを設計する。 DNTDFのすべての段階において、高いレベルの特徴はプログレッシブ圧縮ショートカットパス(PCSP)を介して読み込まれる。
  論文  参考訳（メタデータ） (2021-02-18T03:14:02Z)
• Automatic Tree Ring Detection using Jacobi Sets [0.9786690381850356]
  本稿では,木円板の凹凸とリング境界を位置決めする新しい自動手法を提案する。 提案手法は,トポロジカルデータ解析による標準画像処理技術とツールの組み合わせを用いている。 本手法の有効性を,手動で位置するリングとセンターとを比較して評価した。
  論文  参考訳（メタデータ） (2020-10-17T01:28:16Z)
• DOPS: Learning to Detect 3D Objects and Predict their 3D Shapes [54.239416488865565]
  LIDARデータに対する高速な1段3次元物体検出法を提案する。 我々の手法の中核となる新規性は高速かつシングルパスアーキテクチャであり、どちらも3次元の物体を検出し、それらの形状を推定する。 提案手法は,ScanNetシーンのオブジェクト検出で5%,オープンデータセットでは3.4%の精度で結果が得られた。
  論文  参考訳（メタデータ） (2020-04-02T17:48:50Z)
• Automatic marker-free registration of tree point-cloud data based on rotating projection [23.08199833637939]
  本研究では,1本の木を複数スキャンした点クラウドデータの登録のための粗大な自動登録手法を提案する。 粗い登録では、各スキャンによって生成された点雲を球面に投影して一連の2次元画像を生成する。 対応する特徴点対は、これらの一連の2次元画像から抽出される。 微細な登録では、点雲データスライシングとフィッティング法を用いて、対応する中心茎と分岐中心を抽出する。
  論文  参考訳（メタデータ） (2020-01-30T06:53:59Z)

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。