論文の概要: UruDendro, a public dataset of cross-section images of Pinus taeda
- arxiv url: http://arxiv.org/abs/2404.10856v1
- Date: Tue, 16 Apr 2024 19:10:40 GMT
- ステータス: 処理完了
- システム内更新日: 2024-04-18 18:02:19.174881
- Title: UruDendro, a public dataset of cross-section images of Pinus taeda
- Title(参考訳): Pinus taedaの断面画像の公開データセットUruDendro
- Authors: Henry Marichal, Diego Passarella, Christine Lucas, Ludmila Profumo, Verónica Casaravilla, María Noel Rocha Galli, Serrana Ambite, Gregory Randall,
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: The automatic detection of tree-ring boundaries and other anatomical features using image analysis has progressed substantially over the past decade with advances in machine learning and imagery technology, as well as increasing demands from the dendrochronology community. This paper presents a publicly available database of 64 scanned images of transverse sections of commercially grown Pinus taeda trees from northern Uruguay, ranging from 17 to 24 years old. The collection contains several challenging features for automatic ring detection, including illumination and surface preparation variation, fungal infection (blue stains), knot formation, missing cortex or interruptions in outer rings, and radial cracking. This dataset can be used to develop and test automatic tree ring detection algorithms. This paper presents to the dendrochronology community one such method, Cross-Section Tree-Ring Detection (CS-TRD), which identifies and marks complete annual rings in cross-sections for tree species presenting a clear definition between early and latewood. We compare the CS-TRD performance against the ground truth manual delineation of all rings over the UruDendro dataset. The CS-TRD software identified rings with an average F-score of 89% and RMSE error of 5.27px for the entire database in less than 20 seconds per image. Finally, we propose a robust measure of the ring growth using the \emph{equivalent radius} of a circle having the same area enclosed by the detected tree ring. Overall, this study contributes to the dendrochronologist's toolbox of fast and low-cost methods to automatically detect rings in conifer species, particularly for measuring diameter growth rates and stem transverse area using entire cross-sections.
- Abstract(参考訳): 画像解析を用いた樹木境界や解剖学的特徴の自動検出は、マシンラーニングや画像技術の発展とともに、デンドロクロノロジーコミュニティからの要求が増大し、過去10年間に大きく進歩した。
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難しい特徴が含まれている。
このデータセットは、自動ツリーリング検出アルゴリズムの開発とテストに使用することができる。
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。
CS-TRD性能とUruDendroデータセット上の全環の真理手動記述との比較を行った。
CS-TRDソフトウェアは、平均Fスコアが89%、RMSEエラーが5.27pxのリングを画像当たり20秒未満で識別した。
最後に、検出された木の輪で囲まれた同じ面積の円の \emph{equivalent radius} を用いて、環の成長のロバストな測度を提案する。
本研究は,針葉樹類の環を自動的に検出する高速で低コストな方法であるデンドロクロノロジーのツールボックス,特に全断面を用いた直径成長速度と茎横断面積の計測に寄与する。
関連論文リスト
- A Brief Analysis of the Iterative Next Boundary Detection Network for Tree Rings Delineation in Images of Pinus taeda [0.0]
INBDネットワークは、まず背景、穴、リングの境界を分割する。
第2段階では、画像は極座標に変換され、リング境界は、ピットからバークへ反復的に分割される。
評価セット上のFスコアは77.5、mARは0.540、ARANDは0.205である。
論文 参考訳(メタデータ) (2024-08-26T15:16:28Z) - Automatic Wood Pith Detector: Local Orientation Estimation and Robust Accumulation [0.0]
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。
論文 参考訳(メタデータ) (2024-04-02T13:47:15Z) - Information-Theoretic Thresholds for Planted Dense Cycles [52.076657911275525]
本研究では,社会科学や生物科学においてユビキタスな小世界ネットワークのランダムグラフモデルについて検討する。
植え込み高密度サイクルの検出と回復の両面において、情報理論の閾値を$n$, $tau$、エッジワイド信号対雑音比$lambda$で特徴づける。
論文 参考訳(メタデータ) (2024-02-01T03:39:01Z) - 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) - Semantic segmentation of surgical hyperspectral images under geometric
domain shifts [69.91792194237212]
本稿では、幾何学的アウト・オブ・ディストリビューション(OOD)データの存在下で、最先端のセマンティックセグメンテーションネットワークを初めて分析する。
有機移植(Organ transplantation)と呼ばれる専用の拡張技術により、一般化可能性にも対処する。
提案手法は,SOA DSCの最大67 % (RGB) と90% (HSI) を改善し,実際のOODテストデータ上での分配内性能と同等の性能を示す。
論文 参考訳(メタデータ) (2023-03-20T09:50:07Z) - Iterative Next Boundary Detection for Instance Segmentation of Tree
Rings in Microscopy Images of Shrub Cross Sections [58.720142291102135]
反復次境界検出(INBD)と呼ばれる新しい反復法を提案する。
自然成長方向を直感的にモデル化し、低木断面の中心から始まり、各ステップにおける次のリング境界を検出する。
我々の実験では、INBDはジェネリックインスタンスセグメンテーション法よりも優れた性能を示し、時間順の概念を組み込んだ唯一の方法である。
論文 参考訳(メタデータ) (2022-12-06T14:49:41Z) - Orientation-guided Graph Convolutional Network for Bone Surface
Segmentation [51.51690515362261]
骨表面をセグメント化しながら接続性を向上する指向性グラフ畳み込みネットワークを提案する。
提案手法は,接続距離を5.01%向上させる。
論文 参考訳(メタデータ) (2022-06-16T23:01:29Z) - MD-CSDNetwork: Multi-Domain Cross Stitched Network for Deepfake
Detection [80.83725644958633]
現在のディープフェイク生成法では、偽画像やビデオの周波数スペクトルに識別的アーティファクトが残されている。
MD-CSDNetwork(MD-CSDNetwork)と呼ばれる新しい手法を提案する。
論文 参考訳(メタデータ) (2021-09-15T14:11:53Z) - A SAR speckle filter based on Residual Convolutional Neural Networks [68.8204255655161]
本研究では,Convolutional Neural Networks(CNN)に基づく深層学習(DL)アルゴリズムを用いて,Sentinel-1データからスペックルノイズをフィルタリングする新しい手法を提案する。
得られた結果は、技術の現状と比較すると、ピーク信号対雑音比(PSNR)と構造類似度指数(SSIM)の点で明確な改善を示しています。
論文 参考訳(メタデータ) (2021-04-19T14:43:07Z) - 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)
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。