論文の概要: Weakly supervised image segmentation for defect-based grading of fresh produce

• arxiv url: http://arxiv.org/abs/2411.16219v1
• Date: Mon, 25 Nov 2024 09:28:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-26 14:20:25.535751
• Title: Weakly supervised image segmentation for defect-based grading of fresh produce
• Title（参考訳）: 生鮮食品の欠陥に基づくグレーディングのための弱教師付きイメージセグメンテーション
• Authors: Manuel Knott, Divinefavour Odion, Sameer Sontakke, Anup Karwa, Thijs Defraeye,
• Abstract要約: 本研究は, 分散型サプライチェーンにおけるバナナのポストハーベスト品質評価の問題に取り組むものである。 そこで本研究では,バナナ画像の表面欠陥の検出と分割にパン光学的セグメンテーションを用い,欠陥の大きさと数量を定量化する手法を提案する。 実際のフィールド条件下で、バナナの476個のスマートフォン画像のデータセットが収集され、傷や傷跡に注釈が付けられた。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Implementing image-based machine learning in agriculture is often limited by scarce data and annotations, making it hard to achieve high-quality model predictions. This study tackles the issue of postharvest quality assessment of bananas in decentralized supply chains. We propose a method to detect and segment surface defects in banana images using panoptic segmentation to quantify defect size and number. Instead of time-consuming pixel-level annotations, we use weak supervision with coarse labels. A dataset of 476 smartphone images of bananas was collected under real-world field conditions and annotated for bruises and scars. Using the Segment Anything Model (SAM), a recently published foundation model for image segmentation, we generated dense annotations from coarse bounding boxes to train a segmentation model, significantly reducing manual effort while achieving a panoptic quality score of 77.6%. This demonstrates SAM's potential for low-effort, accurate segmentation in agricultural settings with limited data.
• Abstract（参考訳）: 農業における画像ベースの機械学習の実装は、少ないデータとアノテーションによって制限されることが多く、高品質なモデル予測を達成できない。 本研究は, 分散型サプライチェーンにおけるバナナのポストハーベスト品質評価の問題に取り組むものである。 そこで本研究では,バナナ画像の表面欠陥の検出と分割にパン光学的セグメンテーションを用い,欠陥の大きさと数量を定量化する手法を提案する。 ピクセルレベルのアノテーションに時間を費やす代わりに、粗いラベルで弱い監視を使います。 実際のフィールド条件下で、バナナの476個のスマートフォン画像のデータセットが収集され、傷や傷跡に注釈が付けられた。 最近発表された画像セグメンテーションの基礎モデルであるSegment Anything Model (SAM)を用いて、粗いバウンディングボックスから高密度アノテーションを生成し、セグメンテーションモデルをトレーニングした。 これはSAMが限られたデータで農業環境において、低効率で正確なセグメンテーションを行う可能性を示している。

関連論文リスト

• PaveSAM Segment Anything for Pavement Distress [4.671701998390791]
  コンピュータビジョンを用いた舗装モニタリングは、手動の方法よりも効率的に正確に舗装条件を分析することができる。 しかし、ディープラーニングベースのセグメンテーションモデルは、しばしば教師付きであり、ピクセルレベルのアノテーションを必要とする。 本研究では,ゼロショット分割モデルPaveSAMを提案する。
  論文  参考訳（メタデータ） (2024-09-11T14:24:29Z)
• Which Pixel to Annotate: a Label-Efficient Nuclei Segmentation Framework [70.18084425770091]
  ディープニューラルネットワークは、H&E染色病理像の核インスタンスセグメンテーションに広く応用されている。 通常、類似したパターンと冗長なパターンを含む核画像のデータセットに全てのピクセルをラベル付けするのは非効率で不要である。 そこで本研究では,アノテートするイメージパッチを数個だけ選択し,選択したサンプルからトレーニングセットを増強し,半教師付きで核分割を実現する,新しいフル核分割フレームワークを提案する。
  論文  参考訳（メタデータ） (2022-12-20T14:53:26Z)
• Learning to Annotate Part Segmentation with Gradient Matching [58.100715754135685]
  本稿では,事前学習したGANを用いて,高品質な画像を生成することで,半教師付き部分分割タスクに対処することに焦点を当てる。 特に、アノテータ学習を学習から学習までの問題として定式化する。 提案手法は,実画像,生成された画像,さらには解析的に描画された画像を含む,幅広いラベル付き画像からアノテータを学習可能であることを示す。
  論文  参考訳（メタデータ） (2022-11-06T01:29:22Z)
• Automatic segmentation of meniscus based on MAE self-supervision and point-line weak supervision paradigm [2.445445375557563]
  膝関節画像に自己監督法 MAE (Masked Autoencoders) を導入し, セグメンテーションモデルに優れた初期重みを与える。 第2に,ロベリング時間を削減するために,点と線の組み合わせに基づくメニスカスセグメンテーションの弱教師付きパラダイムを提案する。
  論文  参考訳（メタデータ） (2022-05-07T02:57:50Z)
• Automated Seed Quality Testing System using GAN & Active Learning [2.8978926857710263]
  私たちは、トップビューとボトムビューの両方をキャプチャする、新しいシード画像取得セットアップを構築します。 我々は、種子サンプルの物理的純度をテストするために、最大91.6%のアキュラシーを得ることができる。
  論文  参考訳（メタデータ） (2021-10-02T10:28:25Z)
• Enforcing Mutual Consistency of Hard Regions for Semi-supervised Medical Image Segmentation [68.9233942579956]
  半教師型医用画像セグメンテーションにおいて,ラベルのないハード領域を活用するための新しい相互整合性ネットワーク(MC-Net+)を提案する。 MC-Net+モデルは、限られたアノテーションで訓練された深いモデルは、非常に不確実で容易に分類された予測を出力する傾向があるという観察に動機づけられている。 MC-Net+のセグメンテーション結果と、最先端の5つの半教師付きアプローチを3つの公開医療データセットで比較した。
  論文  参考訳（メタデータ） (2021-09-21T04:47:42Z)
• Learning from Partially Overlapping Labels: Image Segmentation under Annotation Shift [68.6874404805223]
  腹部臓器分節の文脈におけるラベルの重複から学ぶためのいくつかの方法を提案する。 半教師付きアプローチと適応的クロスエントロピー損失を組み合わせることで、不均一な注釈付きデータをうまく活用できることが判明した。
  論文  参考訳（メタデータ） (2021-07-13T09:22:24Z)
• Weakly-supervised High-resolution Segmentation of Mammography Images for Breast Cancer Diagnosis [17.936019428281586]
  がん診断において、入力画像の出力に責任のある領域を局在させることにより、解釈可能性を実現することができる。 本稿では,高解像度画像の弱教師付きセグメンテーションを実現するニューラルネットワークアーキテクチャを提案する。 乳がん検診にマンモグラフィーを用いて適用し, 大規模臨床応用データセットで検証した。
  論文  参考訳（メタデータ） (2021-06-13T17:25:21Z)
• More Photos are All You Need: Semi-Supervised Learning for Fine-Grained Sketch Based Image Retrieval [112.1756171062067]
  クロスモーダル検索のための新しい半監視フレームワークについて紹介する。 私たちの設計の中心には、連続したフォトツースケッチ生成モデルがあります。 また,不適切な生成を誘導する判別器誘導機構も導入する。
  論文  参考訳（メタデータ） (2021-03-25T17:27:08Z)
• Uncertainty guided semi-supervised segmentation of retinal layers in OCT images [4.046207281399144]
  セグメンテーションネットワークを訓練する学生・教師のアプローチに基づく,新しい不確実性誘導半教師学習を提案する。 提案するフレームワークは,様々な画像モダリティにまたがるバイオメディカルイメージセグメンテーションに有効である。
  論文  参考訳（メタデータ） (2021-03-02T23:14:25Z)
• Towards Unbiased COVID-19 Lesion Localisation and Segmentation via Weakly Supervised Learning [66.36706284671291]
  本研究では,画像レベルラベルのみに監視されたデータ駆動型フレームワークを提案する。 このフレームワークは、生成する対向ネットワークと病変特異的デコーダの助けを借りて、原画像から潜在的な病変を明示的に分離することができる。
  論文  参考訳（メタデータ） (2021-03-01T06:05:49Z)

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。