Fugu-MT 論文翻訳(概要): PlantTracing: Tracing Arabidopsis Thaliana Apex with CenterTrack

論文の概要: PlantTracing: Tracing Arabidopsis Thaliana Apex with CenterTrack

arxiv url: http://arxiv.org/abs/2405.11351v1
Date: Sat, 18 May 2024 17:43:50 GMT
ステータス: 処理完了
システム内更新日: 2024-05-21 18:09:02.867696
Title: PlantTracing: Tracing Arabidopsis Thaliana Apex with CenterTrack
Title（参考訳）: PlantTracing:CentralTrackでSirodopsis Thaliana Apexを追跡
Authors: Yuanzhe Liu, Yixiang Mao, Yao Wang,
Abstract要約: この研究は、エンコーダデコーダベースの機械学習ネットワークを使用して、シロイヌナズナの花茎頂点の運動と成長を検出し、追跡する。機械学習のバックエンドネットワークであるCenterTrackに基づいて、10のタイムラプスラベル付きビデオに基づいてモデルをトレーニングし、3つのビデオに対してテストしました。
参考スコア（独自算出の注目度）: 4.575793195224464
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: This work applies an encoder-decoder-based machine learning network to detect and track the motion and growth of the flowering stem apex of Arabidopsis Thaliana. Based on the CenterTrack, a machine learning back-end network, we trained a model based on ten time-lapsed labeled videos and tested against three videos.
Abstract（参考訳）: この研究は、エンコーダデコーダベースの機械学習ネットワークを使用して、シロイヌナズナの花茎頂点の運動と成長を検出し、追跡する。機械学習のバックエンドネットワークであるCenterTrackに基づいて、10のタイムラプスラベル付きビデオに基づいてモデルをトレーニングし、3つのビデオに対してテストしました。

関連論文リスト

CoTracker3: Simpler and Better Point Tracking by Pseudo-Labelling Real Videos [63.90674869153876]
我々はCoTracker3を導入し、新しい追跡モデルと半教師付きトレーニングレシピを新たに導入する。これにより、トレーニング中にアノテーションを使わずに実際のビデオが使えるようになり、既成の教師を使って擬似ラベルを生成することができる。モデルはオンライン版とオフライン版で利用可能で、視界や無視された点を確実に追跡できる。
論文参考訳（メタデータ） (2024-10-15T17:56:32Z)
MV2MAE: Multi-View Video Masked Autoencoders [33.61642891911761]
本稿では,同期型マルチビュービデオから自己教師付き学習を行う手法を提案する。モデルに幾何情報を注入するために、クロスビュー再構成タスクを使用する。我々のアプローチは、マスク付きオートエンコーダ(MAE)フレームワークに基づいている。
論文参考訳（メタデータ） (2024-01-29T05:58:23Z)
SliTraNet: Automatic Detection of Slide Transitions in Lecture Videos using Convolutional Neural Networks [10.097888451225234]
講義ビデオ中のスライド遷移を検出するディープラーニング手法を提案する。まず,2次元畳み込みニューラルネットワークを用いて,プロセスベースのアプローチで映像のフレームを予測する。 2つの3次元畳み込みニューラルネットワークを用いて、遷移候補を洗練することで複雑さを増大させる。
論文参考訳（メタデータ） (2022-02-07T22:03:27Z)
Learning to Track Objects from Unlabeled Videos [63.149201681380305]
本稿では,Unsupervised Single Object Tracker (USOT) をスクラッチから学習することを提案する。教師なしトラッカーと教師なしトラッカーのギャップを狭めるために,3段階からなる効果的な教師なし学習手法を提案する。実験の結果、未ラベルのビデオから得られたUSOTは、最先端の教師なしトラッカーよりも大きなマージンでうまく機能していることがわかった。
論文参考訳（メタデータ） (2021-08-28T22:10:06Z)
Joint Triplet Autoencoder for Histopathological Colon Cancer Nuclei Retrieval [8.133448803619766]
深層学習の力は、生体画像解析の分野におけるデータからの自動特徴学習に活用されている。本稿では、自動エンコーダフレームワークにおける三重項学習を容易にすることで、JTANet(Joint Triplet Autoencoder Network)を提案する。大腸癌検索のためのオートエンコーダモデルとシームズモデルに対して提案したJTANetモデルを用いて有望な性能を観察した。
論文参考訳（メタデータ） (2021-05-21T10:31:14Z)
Measuring and modeling the motor system with machine learning [117.44028458220427]
モーターシステムの理解における機械学習の有用性は、データの収集、測定、分析の方法に革命をもたらすことを約束している。本稿では, ポーズ推定, 運動解析, 次元減少, 閉ループフィードバックから, ニューラル相関の理解, 機能停止まで, 機械学習の利用の増大について論じる。
論文参考訳（メタデータ） (2021-03-22T12:42:16Z)
Self-supervised Object Tracking with Cycle-consistent Siamese Networks [55.040249900677225]
我々は、オブジェクト追跡のためのサイクル一貫性の自己監視フレームワークにおいて、エンドツーエンドのSiameseネットワークを利用する。トラッキングフレームワークにシームズ領域の提案とマスク回帰ネットワークを統合することで,各フレームのアノテーションを使わずに,より高速で正確なトラッカーを学習できるようにすることを提案する。
論文参考訳（メタデータ） (2020-08-03T04:10:38Z)
Auto-Rectify Network for Unsupervised Indoor Depth Estimation [119.82412041164372]
ハンドヘルド環境に現れる複雑な自我運動が,学習深度にとって重要な障害であることが確認された。本稿では,相対回転を除去してトレーニング画像の修正を効果的に行うデータ前処理手法を提案する。その結果、従来の教師なしSOTA法よりも、難易度の高いNYUv2データセットよりも優れていた。
論文参考訳（メタデータ） (2020-06-04T08:59:17Z)
Autonomous learning and chaining of motor primitives using the Free Energy Principle [68.8204255655161]
運動プリミティブ学習の課題に対して,自由エネルギー原理を適用した。エコー状態ネットワークは、運動軌道を生成するために使用される。このネットワークには知覚モジュールと,そのダイナミクスに影響を与えるコントローラが組み合わさっている。
論文参考訳（メタデータ） (2020-05-11T14:43:55Z)

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。