論文の概要: PDT: Uav Target Detection Dataset for Pests and Diseases Tree
- arxiv url: http://arxiv.org/abs/2409.15679v1
- Date: Tue, 24 Sep 2024 02:37:27 GMT
- ステータス: 処理完了
- システム内更新日: 2024-09-26 11:19:39.658774
- Title: PDT: Uav Target Detection Dataset for Pests and Diseases Tree
- Title(参考訳): PDT: 害虫・病害樹のUavターゲット検出データセット
- Authors: Mingle Zhou, Rui Xing, Delong Han, Zhiyong Qi, Gang Li,
- Abstract要約: 本研究は,樹木害虫や病害虫の検出を目的とした,UAVベースの高精度データセットの開発である。
公開データセットとネットワークデータを集約することで、Common Weed and Cropデータセットを導入します。
最後に, 雑草, 害虫, 病気の作物画像の高精度検出のためのYOLO-Dense Pest (YOLO-DP) モデルを提案する。
- 参考スコア(独自算出の注目度): 4.469409505184921
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: UAVs emerge as the optimal carriers for visual weed iden?tification and integrated pest and disease management in crops. How?ever, the absence of specialized datasets impedes the advancement of model development in this domain. To address this, we have developed the Pests and Diseases Tree dataset (PDT dataset). PDT dataset repre?sents the first high-precision UAV-based dataset for targeted detection of tree pests and diseases, which is collected in real-world operational environments and aims to fill the gap in available datasets for this field. Moreover, by aggregating public datasets and network data, we further introduced the Common Weed and Crop dataset (CWC dataset) to ad?dress the challenge of inadequate classification capabilities of test models within datasets for this field. Finally, we propose the YOLO-Dense Pest (YOLO-DP) model for high-precision object detection of weed, pest, and disease crop images. We re-evaluate the state-of-the-art detection models with our proposed PDT dataset and CWC dataset, showing the completeness of the dataset and the effectiveness of the YOLO-DP. The proposed PDT dataset, CWC dataset, and YOLO-DP model are pre?sented at https://github.com/RuiXing123/PDT_CWC_YOLO-DP.
- Abstract(参考訳): UAVは視覚雑草識別に最適なキャリアとして現れるのか?
農作物の肥大化と統合害虫と病害管理。
どうやって?
特別なデータセットがないことは、この領域におけるモデル開発の進歩を妨げます。
そこで我々は, Pests and Diseases Tree データセット (PDT データセット) を開発した。
PDTデータセットのリプライ?
このデータセットは、実際の運用環境で収集され、この分野で利用可能なデータセットのギャップを埋めることを目的としている。
さらに、公開データセットとネットワークデータを集約することで、広告用にCommon Weed and Cropデータセット(CWCデータセット)を導入しました。
この分野のデータセット内のテストモデルの不適切な分類能力の課題に対処する。
最後に, 雑草, 害虫, 病気の作物画像の高精度検出のためのYOLO-Dense Pest (YOLO-DP) モデルを提案する。
提案したPDTデータセットとCWCデータセットを用いて最先端検出モデルを再評価し,データセットの完全性とYOLO-DPの有効性を示す。
提案した PDT データセット,CWC データセット,YOLO-DP モデルが準備されているか?
https://github.com/RuiXing123/PDT_CWC_YOLO-DPで送信される。
関連論文リスト
- Towards Data-Efficient Pretraining for Atomic Property Prediction [51.660835328611626]
タスク関連データセットでの事前トレーニングは、大規模な事前トレーニングと一致するか、あるいは超える可能性があることを示す。
本稿では,コンピュータビジョンのFr'echet Inception Distanceにインスパイアされた,化学類似度指数(CSI)を紹介する。
論文 参考訳(メタデータ) (2025-02-16T11:46:23Z) - EarthView: A Large Scale Remote Sensing Dataset for Self-Supervision [72.84868704100595]
本稿では,地球モニタリングタスクにおける深層学習アプリケーションを強化することを目的とした,リモートセンシングデータの自己監督を目的としたデータセットを提案する。
このデータセットは15テラピクセルのグローバルリモートセンシングデータにまたがっており、NEON、Sentinel、Satellogicによる1mの空間解像度データの新たなリリースなど、さまざまなソースの画像を組み合わせている。
このデータセットは、リモートセンシングデータの異なる課題に取り組むために開発されたMasked Autoencoderである。
論文 参考訳(メタデータ) (2025-01-14T13:42:22Z) - Advancing ALS Applications with Large-Scale Pre-training: Dataset Development and Downstream Assessment [6.606615641354963]
事前訓練と微調整のパラダイムは、衛星リモートセンシングの応用に革命をもたらした。
大規模なALSポイントクラウドデータセットを構築し、下流アプリケーションへの影響を評価する。
以上の結果から,事前学習したモデルは,ダウンストリームタスク全体において,スクラッチよりも有意に優れていた。
論文 参考訳(メタデータ) (2025-01-09T09:21:09Z) - Deep evolving semi-supervised anomaly detection [14.027613461156864]
本研究の目的は,連続的半教師付き異常検出(CSAD)のタスクを形式化することである。
本稿では,半教師付きデータを扱うための変分オートエンコーダ(VAE)のベースラインモデルを提案する。
論文 参考訳(メタデータ) (2024-12-01T15:48:37Z) - Enhancing Deep Learning based RMT Data Inversion using Gaussian Random Field [8.730845996892551]
本稿では, DLを用いた電波恒星データのインバージョン手法を提案する。
ネットワークの一般化能力は、アウト・オブ・ディストリビューション・データセットでテストされた。
本手法は,インド・ロルキー近郊の廃棄物処分場からの例証フィールドデータを用いて検証した。
論文 参考訳(メタデータ) (2024-10-22T19:47:30Z) - Self-supervised transformer-based pre-training method with General Plant Infection dataset [3.969851116372513]
本研究では、コントラスト学習とマスクド画像モデリング(MIM)を組み合わせた高度なネットワークアーキテクチャを提案する。
提案するネットワークアーキテクチャは,植物害虫や病原体認識タスクに対処し,優れた検出精度を実現する。
私たちのコードとデータセットは、植物害虫の研究と病気の認識を促進するために公開されます。
論文 参考訳(メタデータ) (2024-07-20T15:48:35Z) - Importance-Aware Adaptive Dataset Distillation [53.79746115426363]
ディープラーニングモデルの開発は、大規模データセットの可用性によって実現されている。
データセットの蒸留は、大きな元のデータセットから必須情報を保持するコンパクトなデータセットを合成することを目的としている。
本稿では, 蒸留性能を向上する重要適応型データセット蒸留(IADD)法を提案する。
論文 参考訳(メタデータ) (2024-01-29T03:29:39Z) - ArSDM: Colonoscopy Images Synthesis with Adaptive Refinement Semantic
Diffusion Models [69.9178140563928]
大腸内視鏡検査は臨床診断や治療に不可欠である。
注釈付きデータの不足は、既存の手法の有効性と一般化を制限する。
本稿では, 下流作業に有用な大腸内視鏡画像を生成するために, 適応Refinement Semantic Diffusion Model (ArSDM)を提案する。
論文 参考訳(メタデータ) (2023-09-03T07:55:46Z) - Exploring the Effectiveness of Dataset Synthesis: An application of
Apple Detection in Orchards [68.95806641664713]
本研究では,リンゴ樹の合成データセットを生成するための安定拡散2.1-baseの有用性について検討する。
我々は、現実世界のリンゴ検出データセットでリンゴを予測するために、YOLOv5mオブジェクト検出モデルを訓練する。
その結果、実世界の画像でトレーニングされたベースラインモデルと比較して、生成データでトレーニングされたモデルはわずかに性能が劣っていることがわかった。
論文 参考訳(メタデータ) (2023-06-20T09:46:01Z) - SPAC-Net: Synthetic Pose-aware Animal ControlNet for Enhanced Pose
Estimation [19.035988285379116]
我々は、SPAC-Net(Synthetic Pose-aware Animal ControlNet)と呼ばれる新しいアプローチを提案する。
本研究では,変分オートエンコーダ(VAE)ベースのデータ生成パイプラインが生成した可塑性ポーズデータを利用して,実データに近いポーズラベルを持つ合成データを生成する。
さらに、動物と背景のHED境界を別々に検出し、生成したデータの精度と安定性を向上させるBi-ControlNet構造を提案する。
論文 参考訳(メタデータ) (2023-05-29T01:56:42Z) - CARLA-GeAR: a Dataset Generator for a Systematic Evaluation of
Adversarial Robustness of Vision Models [61.68061613161187]
本稿では,合成データセットの自動生成ツールであるCARLA-GeARについて述べる。
このツールは、Python APIを使用して、CARLAシミュレータ上に構築されており、自律運転のコンテキストにおいて、いくつかのビジョンタスク用のデータセットを生成することができる。
本稿では,CARLA-GeARで生成されたデータセットが,現実世界の敵防衛のベンチマークとして今後どのように利用されるかを示す。
論文 参考訳(メタデータ) (2022-06-09T09:17:38Z)
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。