論文の概要: Establish seedling quality classification standard for Chrysanthemum efficiently with help of deep clustering algorithm

• arxiv url: http://arxiv.org/abs/2409.08867v1
• Date: Thu, 12 Sep 2024 03:09:11 GMT
• ステータス: 処理完了
• システム内更新日: 2024-09-16 16:09:45.285548
• Title: Establish seedling quality classification standard for Chrysanthemum efficiently with help of deep clustering algorithm
• Title（参考訳）: 深層クラスタリングアルゴリズムによる菊の苗品質分類の効率化
• Authors: Yanzhi Jing, Hongguang Zhao, Shujun Yu,
• Abstract要約: 現在のグレーディング法にはいくつかの問題がある。 苗レベルを評価するために選択された指標は、適用範囲が狭い。 いくつかの方法は数学的公式を誤用する。 本稿では,品質分類基準を確立するための,シンプルで効率的で汎用的なフレームワークであるSQCSEFを提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Establishing reasonable standards for edible chrysanthemum seedlings helps promote seedling development, thereby improving plant quality. However, current grading methods have the several issues. The limitation that only support a few indicators causes information loss, and indicators selected to evaluate seedling level have a narrow applicability. Meanwhile, some methods misuse mathematical formulas. Therefore, we propose a simple, efficient, and generic framework, SQCSEF, for establishing seedling quality classification standards with flexible clustering modules, applicable to most plant species. In this study, we introduce the state-of-the-art deep clustering algorithm CVCL, using factor analysis to divide indicators into several perspectives as inputs for the CVCL method, resulting in more reasonable clusters and ultimately a grading standard $S_{cvcl}$ for edible chrysanthemum seedlings. Through conducting extensive experiments, we validate the correctness and efficiency of the proposed SQCSEF framework.
• Abstract（参考訳）: 食用菊苗の適度な基準を確立することは、苗の育種を促進し、植物の品質を向上させるのに役立つ。 しかし、現在のグレーディング手法にはいくつかの問題がある。 いくつかの指標のみをサポートする制限は、情報損失を引き起こし、苗レベルを評価するために選択された指標は、適用範囲が狭い。 一方、数式を誤用する手法もある。 そこで本研究では,ほとんどの植物種に適用可能な,柔軟なクラスタリングモジュールによる品質分類基準の確立を目的とした,シンプルで効率的で汎用的なフレームワークであるSQCSEFを提案する。 本研究では,最新の深層クラスタリングアルゴリズムCVCLを導入し,因子分析を用いて,CVCL法の入力としてインジケータを複数の視点に分割し,より合理的なクラスタ化を実現し,最終的には食用菊実生のグレーディング標準である$S_{cvcl}$を導入した。 広範な実験を行うことで,提案したSQCSEFフレームワークの正当性と効率を検証した。

関連論文リスト

• Hyperspectral Imaging-Based Grain Quality Assessment With Limited Labelled Data [2.4797200957733576]
  ハイパースペクトルイメージング(HSI)と少数ショット学習技術を用いた粒質評価の新しい手法を提案する。 HSIは、空間情報とスペクトル情報の両方をキャプチャすることで、非侵襲的でリアルタイムな代替手段を提供する。 まず,訓練中に見られた粒型の分類と,第2に目に見えない粒型への一般化の2つのシナリオにおいて,少数ショット分類器の性能を評価した。
  論文  参考訳（メタデータ） (2024-11-17T01:02:18Z)
• Token-based Decision Criteria Are Suboptimal in In-context Learning [2.2973949268669562]
  In-Context Learning (ICL) は通常、手動で選択したラベルトークンの出力確率から分類基準を利用する。 このようなトークンベースの分類基準は、最適下決定境界につながると我々は主張する。 トークン確率を放棄し,LMの最後の隠蔽状態に最も近いセントロイドを使用するHiddenを提案する。
  論文  参考訳（メタデータ） (2024-06-24T11:16:26Z)
• Adaptive Hierarchical Certification for Segmentation using Randomized Smoothing [87.48628403354351]
  機械学習の認証は、特定の条件下では、敵対的なサンプルが特定の範囲内でモデルを回避できないことを証明している。 セグメンテーションの一般的な認証方法は、平らな粒度のクラスを使い、モデルの不確実性による高い断続率をもたらす。 本稿では,複数レベルの階層内で画素を認証し,不安定なコンポーネントに対して粗いレベルに適応的に認証を緩和する,新しい,より実用的な設定を提案する。
  論文  参考訳（メタデータ） (2024-02-13T11:59:43Z)
• Distilling Local Texture Features for Colorectal Tissue Classification in Low Data Regimes [3.9396560696586693]
  多クラス大腸癌組織分類は、通常、ある設定で対処される難しい問題である。 そこで我々は,KD-CTCNetという知識蒸留に基づく手法を提案する。 結果として得られたリッチな特徴表現は、低データレギュレーションに特化して、分類性能の向上を実現する。
  論文  参考訳（メタデータ） (2024-01-02T11:46:44Z)
• How to Prune Your Language Model: Recovering Accuracy on the "Sparsity May Cry'' Benchmark [60.72725673114168]
  下流データセットの微調整中における正確なBERTプルーニングの問題を再考する。 そこで我々は,SMCベンチマークの挑戦においても,プルーニングを成功させるための一般的なガイドラインを提案する。
  論文  参考訳（メタデータ） (2023-12-21T03:11:30Z)
• Parametric Classification for Generalized Category Discovery: A Baseline Study [70.73212959385387]
  Generalized Category Discovery (GCD)は、ラベル付きサンプルから学習した知識を用いて、ラベルなしデータセットで新しいカテゴリを発見することを目的としている。 パラメトリック分類器の故障を調査し,高品質な監視が可能であった場合の過去の設計選択の有効性を検証し,信頼性の低い疑似ラベルを重要課題として同定する。 エントロピー正規化の利点を生かし、複数のGCDベンチマークにおける最先端性能を実現し、未知のクラス数に対して強いロバスト性を示す、単純で効果的なパラメトリック分類法を提案する。
  論文  参考訳（メタデータ） (2022-11-21T18:47:11Z)
• Chaotic-to-Fine Clustering for Unlabeled Plant Disease Images [14.22068250199567]
  現在の植物病画像の注釈は、農業の専門家による手作業による分類と手作りの特徴に依存する。 Kernel K-means の脆弱性に基づいた,植物病画像のグループ化のための自己教師付きクラスタリングフレームワークを提案する。
  論文  参考訳（メタデータ） (2021-01-18T00:44:12Z)
• Coherent Hierarchical Multi-Label Classification Networks [56.41950277906307]
  C-HMCNN(h)はHMC問題に対する新しいアプローチであり、階層情報を利用して制約に整合した予測を生成し、性能を向上させる。 最先端モデルと比較してC-HMCNN(h)の優れた性能を示す広範囲な実験的検討を行った。
  論文  参考訳（メタデータ） (2020-10-20T09:37:02Z)
• Two-View Fine-grained Classification of Plant Species [66.75915278733197]
  本研究では,2視点の葉のイメージ表現に基づく新しい手法と,植物種の粒度認識のための階層的分類戦略を提案する。 シームズ畳み込みニューラルネットワークに基づく深度測定は、多数のトレーニングサンプルへの依存を減らし、新しい植物種に拡張性を持たせるために用いられる。
  論文  参考訳（メタデータ） (2020-05-18T21:57:47Z)
• Rectified Meta-Learning from Noisy Labels for Robust Image-based Plant Disease Diagnosis [64.82680813427054]
  植物病は食料安全保障と作物生産に対する主要な脅威の1つである。 1つの一般的なアプローチは、葉画像分類タスクとしてこの問題を変換し、強力な畳み込みニューラルネットワーク(CNN)によって対処できる。 本稿では,正規化メタ学習モジュールを共通CNNパラダイムに組み込んだ新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2020-03-17T09:51:30Z)

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。