Fugu-MT 論文翻訳(概要): A Brief Analysis of the Iterative Next Boundary Detection Network for Tree Rings Delineation in Images of Pinus taeda

論文の概要: A Brief Analysis of the Iterative Next Boundary Detection Network for Tree Rings Delineation in Images of Pinus taeda

arxiv url: http://arxiv.org/abs/2408.14343v1
Date: Mon, 26 Aug 2024 15:16:28 GMT
ステータス: 処理完了
システム内更新日: 2024-08-27 13:31:39.252094
Title: A Brief Analysis of the Iterative Next Boundary Detection Network for Tree Rings Delineation in Images of Pinus taeda
Title（参考訳）: ニホンマメの画像における樹輪方向の反復次境界検出ネットワークの簡単な解析
Authors: Henry Marichal, Gregory Randall,
Abstract要約: 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。
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: This work presents the INBD network proposed by Gillert et al. in CVPR-2023 and studies its application for delineating tree rings in RGB images of Pinus taeda cross sections captured by a smartphone (UruDendro dataset), which are images with different characteristics from the ones used to train the method. The INBD network operates in two stages: first, it segments the background, pith, and ring boundaries. In the second stage, the image is transformed into polar coordinates, and ring boundaries are iteratively segmented from the pith to the bark. Both stages are based on the U-Net architecture. The method achieves an F-Score of 77.5, a mAR of 0.540, and an ARAND of 0.205 on the evaluation set. The code for the experiments is available at https://github.com/hmarichal93/mlbrief_inbd.
Abstract（参考訳）: 本稿では, CVPR-2023でGillertらによって提案されたINBDネットワークについて述べるとともに, スマートフォン(UruDendroデータセット)で捉えたPinus Taeda断面のRGB画像におけるツリーリングの行列化への応用について検討する。 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。どちらのステージもU-Netアーキテクチャに基づいている。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。実験のコードはhttps://github.com/hmarichal93/mlbrief_inbd.comで公開されている。

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)
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)
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)
Point2Tree(P2T) -- framework for parameter tuning of semantic and instance segmentation used with mobile laser scanning data in coniferous forest [0.22940141855172028]
セマンティックセグメンテーションにおいて0.92F1スコアを達成するPointnet++アーキテクチャに基づいたモデルをトレーニングする。パイプラインの第2ステップとして、グラフベースのアプローチを使用して、F1スコアの約0.6に達した。
論文参考訳（メタデータ） (2023-05-04T08:45:17Z)
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)
CroCo: Cross-Modal Contrastive learning for localization of Earth Observation data [62.96337162094726]
地上のLiDAR点雲をリモートセンシング画像上にローカライズすることに興味がある。本稿では,DEMと高分解能光学画像に基づいて学習を行うコントラスト学習手法を提案する。ベストシナリオは、トップ1スコア0.71、トップ5スコア0.81を得る。
論文参考訳（メタデータ） (2022-04-14T15:55:00Z)
A singular Riemannian geometry approach to Deep Neural Networks II. Reconstruction of 1-D equivalence classes [78.120734120667]
入力空間における出力多様体内の点の事前像を構築する。我々は、n-次元実空間から(n-1)-次元実空間へのニューラルネットワークマップの場合の簡易性に焦点をあてる。
論文参考訳（メタデータ） (2021-12-17T11:47:45Z)
DFM: A Performance Baseline for Deep Feature Matching [10.014010310188821]
提案手法では,事前学習したVGGアーキテクチャを特徴抽出器として使用し,マッチングを改善するために追加の訓練を必要としない。提案アルゴリズムは,Hpatchesデータセット上で,平均マッチング精度(MMA)で0.57と0.80のスコアをそれぞれ1ピクセル,2ピクセルの閾値で達成する。
論文参考訳（メタデータ） (2021-06-14T22:55:06Z)
Deep ensembles based on Stochastic Activation Selection for Polyp Segmentation [82.61182037130406]
本研究は,大腸内視鏡検査における画像分割,特に正確なポリープ検出とセグメンテーションを扱う。イメージセグメンテーションの基本アーキテクチャはエンコーダとデコーダで構成されている。我々はデコーダのバックボーンを変更することで得られるDeepLabアーキテクチャのバリエーションを比較した。
論文参考訳（メタデータ） (2021-04-02T02:07:37Z)
Saliency Enhancement using Gradient Domain Edges Merging [65.90255950853674]
本研究では,エッジとサリエンシマップをマージして,サリエンシマップの性能を向上させる手法を開発した。これにより、DUT-OMRONデータセットの少なくとも3.4倍の平均的な改善により、エッジ(SEE)を使用したサリエンシ向上が提案された。 SEEアルゴリズムは前処理のためのSEE-Preと後処理のためのSEE-Postの2つの部分に分けられる。
論文参考訳（メタデータ） (2020-02-11T14:04:56Z)
R-FCN: Object Detection via Region-based Fully Convolutional Networks [87.62557357527861]
我々は,高精度かつ効率的な物体検出のための領域ベースの完全畳み込みネットワークを提案する。我々の結果は、Faster R-CNNよりも2.5-20倍高速で、1画像あたり170msのテストタイムで達成される。
論文参考訳（メタデータ） (2016-05-20T15:50:11Z)

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。