論文の概要: Wild Berry image dataset collected in Finnish forests and peatlands using drones

• arxiv url: http://arxiv.org/abs/2405.07550v3
• Date: Mon, 24 Feb 2025 08:24:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-25 15:47:51.780204
• Title: Wild Berry image dataset collected in Finnish forests and peatlands using drones
• Title（参考訳）: ドローンによるフィンランドの森林・泥炭地帯における野生ベリー画像の収集
• Authors: Luigi Riz, Sergio Povoli, Andrea Caraffa, Davide Boscaini, Mohamed Lamine Mekhalfi, Paul Chippendale, Marjut Turtiainen, Birgitta Partanen, Laura Smith Ballester, Francisco Blanes Noguera, Alessio Franchi, Elisa Castelli, Giacomo Piccinini, Luca Marchesotti, Micael Santos Couceiro, Fabio Poiesi,
• Abstract要約: われわれは、フィンランドの森林の天蓋の下、泥炭地帯で捕獲された野生のベリーをドローンで撮影した最初の画像データセットであるWildBeを提案する。 WildBeには3,516枚の画像があり、合計18,468個の注釈付きバウンディングボックスが含まれている。 6つの人気オブジェクト検出器を用いてWildBeの総合的な解析を行い、異なる森林地域とカメラタイプにわたるベリー検出の有効性を評価した。
• 参考スコア（独自算出の注目度）: 3.944741338149303
• License:
• Abstract: Berry picking has long-standing traditions in Finland, yet it is challenging and can potentially be dangerous. The integration of drones equipped with advanced imaging techniques represents a transformative leap forward, optimising harvests and promising sustainable practices. We propose WildBe, the first image dataset of wild berries captured in peatlands and under the canopy of Finnish forests using drones. Unlike previous and related datasets, WildBe includes new varieties of berries, such as bilberries, cloudberries, lingonberries, and crowberries, captured under severe light variations and in cluttered environments. WildBe features 3,516 images, including a total of 18,468 annotated bounding boxes. We carry out a comprehensive analysis of WildBe using six popular object detectors, assessing their effectiveness in berry detection across different forest regions and camera types. WildBe is publicly available on HuggingFace at https://huggingface.co/datasets/FBK-TeV/WildBe.
• Abstract（参考訳）: ベリーピッキングはフィンランドでは長年の伝統があるが、困難であり、潜在的に危険である可能性がある。 高度な撮像技術を備えたドローンの統合は、変革的な飛躍であり、収穫を最適化し、持続可能なプラクティスを約束する。 われわれは、フィンランドの森林の天蓋の下、泥炭地帯で捕獲された野生のベリーをドローンで撮影した最初の画像データセットであるWildBeを提案する。 従来および関連するデータセットとは異なり、WildBeはビルベリー、クラウドベリー、リンゴンベリー、クローベリーなどの新しい種類のベリーを含んでいる。 WildBeには3,516枚の画像があり、合計18,468個の注釈付きバウンディングボックスが含まれている。 6つの人気オブジェクト検出器を用いてWildBeの総合的な解析を行い、異なる森林地域とカメラタイプにわたるベリー検出の有効性を評価した。 WildBeはHuggingFaceでhttps://huggingface.co/datasets/FBK-TeV/WildBe.comで公開されている。

関連論文リスト

• Accurate Crop Yield Estimation of Blueberries using Deep Learning and Smart Drones [5.586392657005597]
  コンピュータビジョンを備えたスマートドローンを用いて、より正確な果実数と収量推定を行うAIパイプラインを提案する。 コアコンポーネントは、YOLOディープラーニングアーキテクチャに基づく2つのオブジェクト検出モデルである。 我々は、異なるサンプリング戦略を用いてブルーベリーフィールドをマップアウトするためのモデルをデプロイする方法を説明します。
  論文  参考訳（メタデータ） (2025-01-04T17:45:29Z)
• Agtech Framework for Cranberry-Ripening Analysis Using Vision Foundation Models [1.5728609542259502]
  航空画像と地上画像を用いたクランベリー作物の熟成過程を特徴付ける枠組みを開発した。 この作品はこの種の最初のものであり、クランベリーやワインブドウ、オリーブ、ブルーベリー、トウモロコシなど他の作物に将来的な影響を及ぼす。
  論文  参考訳（メタデータ） (2024-12-12T22:03:33Z)
• LAKE-RED: Camouflaged Images Generation by Latent Background Knowledge Retrieval-Augmented Diffusion [53.98099367578345]
  カモフラージュ画像生成のためのLAKE-RED(Latent background Retrieval-Augmented Diffusion)を提案する。 本手法は,カモフラージュ生成のための解釈可能性を持つ知識検索拡張手法である。 実験の結果,本手法は既存の手法よりも優れていることがわかった。
  論文  参考訳（メタデータ） (2024-03-30T08:51:23Z)
• Multimodal Foundation Models for Zero-shot Animal Species Recognition in Camera Trap Images [57.96659470133514]
  モーションアクティベートカメラトラップは、世界中の野生生物を追跡・監視するための効率的なツールである。 教師付き学習技術は、そのような画像を分析するためにうまく展開されているが、そのような訓練には専門家のアノテーションが必要である。 コストのかかるラベル付きデータへの依存を減らすことは、人間の労働力を大幅に減らした大規模野生生物追跡ソリューションを開発する上で、大きな可能性を秘めている。
  論文  参考訳（メタデータ） (2023-11-02T08:32:00Z)
• HarvestNet: A Dataset for Detecting Smallholder Farming Activity Using Harvest Piles and Remote Sensing [50.4506590177605]
  HarvestNetは、2020-2023年のエチオピアのティグレイとアムハラの農場の存在をマッピングするためのデータセットである。 本研究は,多くの小作システムの特徴ある収穫杭の検出に基づく新しい手法を提案する。 本研究は, 農作物のリモートセンシングが, 食品の安全地帯において, よりタイムリーかつ正確な農地評価に寄与することが示唆された。
  論文  参考訳（メタデータ） (2023-08-23T11:03:28Z)
• MapInWild: A Remote Sensing Dataset to Address the Question What Makes Nature Wild [4.42251021399814]
  衛星画像に適用した機械学習による荒野マッピングの課題について紹介する。 MapInWildは、そのタスクのための大規模なベンチマークキュレートされたデータセットです。 データセットは、1920 x 1920ピクセルの8144画像で構成され、約350GBである。
  論文  参考訳（メタデータ） (2022-12-05T13:45:06Z)
• 3D Clothed Human Reconstruction in the Wild [67.35107130310257]
  ClothWildは、Wild内の画像のロバスト性に対処する、3Dの服を着た人間の再構築フレームワークである。 そこで本研究では,Wild データセットの2次元教師対象でトレーニング可能な弱教師付きパイプラインを提案する。 提案したClosWildは最先端の手法よりもはるかに正確で堅牢な結果が得られる。
  論文  参考訳（メタデータ） (2022-07-20T17:33:19Z)
• OOWL500: Overcoming Dataset Collection Bias in the Wild [45.494056340200956]
  オンラインで収集された画像データセットは、偏見のあるオブジェクト認識を生成できるという仮説が研究されている。 新たな"in the lab"データ収集インフラストラクチャが提案されている。 安価で容易に複製できる性質は、ビジョンコミュニティによるスケーラブルなデータ収集の取り組みにつながる可能性もあります。
  論文  参考訳（メタデータ） (2021-08-24T23:22:53Z)
• Florida Wildlife Camera Trap Dataset [48.99466876948454]
  フロリダ州南西部の2つの異なる場所から収集された野生生物カメラトラップ分類データセットについて紹介する。 データセットは104,495枚の画像からなり、視覚的に類似した種、様々な照明条件、スキュードクラス分布、絶滅危惧種のサンプルを含む。
  論文  参考訳（メタデータ） (2021-06-23T18:53:15Z)
• Behind the leaves -- Estimation of occluded grapevine berries with conditional generative adversarial networks [3.308833414816073]
  本手法を適用した後のベリー数の推定値は,手動で数えた基準値に近い。 ベリー数に因子を適用するのとは対照的に,本手法は目に見えるベリーの出現に直接関与することにより,局所的な条件に適応する。
  論文  参考訳（メタデータ） (2021-05-21T12:57:48Z)

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。