論文の概要: Weakly Supervised Panoptic Segmentation for Defect-Based Grading of Fresh Produce

• arxiv url: http://arxiv.org/abs/2411.16219v2
• Date: Fri, 11 Apr 2025 19:30:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-04-15 19:48:45.501958
• Title: Weakly Supervised Panoptic Segmentation for Defect-Based Grading of Fresh Produce
• Title（参考訳）: フレッシュプロデューサの欠陥ベースグレーディングのための微視的分割法
• Authors: Manuel Knott, Divinefavour Odion, Sameer Sontakke, Anup Karwa, Thijs Defraeye,
• Abstract要約: 農業用サプライチェーンの欠陥の検査は極めて重要であるが、伝統的に労働集約的であり、エラーを起こしやすい。 スパースアノテーションから高密度の汎視的セグメンテーションマスクを生成するために,セグメンテーションモデルを評価することで,この問題に対処する。 提案手法は, パン光学マスクの欠陥数と相対サイズを実用的に推定するものである。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Visual inspection for defect grading in agricultural supply chains is crucial but traditionally labor-intensive and error-prone. Automated computer vision methods typically require extensively annotated datasets, which are often unavailable in decentralized supply chains. We address this challenge by evaluating the Segment Anything Model (SAM) to generate dense panoptic segmentation masks from sparse annotations. These dense predictions are then used to train a supervised panoptic segmentation model. Focusing on banana surface defects (bruises and scars), we validate our approach using 476 field images annotated with 1440 defects. While SAM-generated masks generally align with human annotations, substantially reducing annotation effort, we explicitly identify failure cases associated with specific defect sizes and shapes. Despite these limitations, our approach offers practical estimates of defect number and relative size from panoptic masks, underscoring the potential and current boundaries of foundation models for defect quantification in low-data agricultural scenarios. GitHub: https://github.com/manuelknott/banana-defect-segmentation
• Abstract（参考訳）: 農業用サプライチェーンの欠陥の検査は極めて重要であるが、伝統的に労働集約的であり、エラーを起こしやすい。 自動化されたコンピュータビジョン手法は一般的に広範囲の注釈付きデータセットを必要とするが、分散化されたサプライチェーンでは利用できないことが多い。 この課題に対して,Segment Anything Model (SAM) を評価し,スパースアノテーションから高密度の汎視的セグメンテーションマスクを生成する。 これらの密接な予測は、教師付き汎光学セグメンテーションモデルを訓練するために使用される。 バナナ表面の欠陥(傷と傷跡)に着目し,1440個の欠陥を付加した476個のフィールド画像を用いてアプローチを検証する。 SAM生成マスクは一般的に人間のアノテーションと一致し、アノテーションの労力を大幅に削減するが、特定の欠陥サイズや形状に関連する障害事例を明確に特定する。 これらの制限にもかかわらず、本手法は、低データ農業シナリオにおける欠陥定量化の基礎モデルの可能性と現在の境界を、パン光学マスクからの欠陥数と相対的なサイズを実用的に見積もっている。 GitHub: https://github.com/manuelknott/banana-defect-segmentation

関連論文リスト

• LR-IAD:Mask-Free Industrial Anomaly Detection with Logical Reasoning [1.3124513975412255]
  産業異常検出(IAD)は欠陥を特定することで製品品質を確保するために重要である。 既存の視覚言語モデル(VLM)とMLLM(Multimodal Large Language Models)はいくつかの制限に対処するが、マスクアノテーションに依存している。 授業の不均衡に対処するために,授業中に稀な欠陥パターンを動的に優先順位付けする報酬関数を提案する。
  論文  参考訳（メタデータ） (2025-04-28T06:52:35Z)
• 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)
• SINDER: Repairing the Singular Defects of DINOv2 [61.98878352956125]
  大規模なデータセットでトレーニングされたビジョントランスフォーマーモデルは、抽出したパッチトークンにアーティファクトを表示することが多い。 本稿では,小さなデータセットのみを用いて構造欠陥を補正するスムーズなスムーズな正規化を提案する。
  論文  参考訳（メタデータ） (2024-07-23T20:34:23Z)
• Robust Zero-Shot Crowd Counting and Localization With Adaptive Resolution SAM [55.93697196726016]
  本稿では,SEEM(Seegment-Everything-Everywhere Model)を用いた簡易かつ効果的な群集カウント手法を提案する。 密集した群集シーンにおけるSEEMの性能は,高密度領域の多くの人々が欠落していることが主な原因である。 提案手法は,群集カウントにおいて最高の教師なし性能を実現すると同時に,いくつかの教師付き手法に匹敵する性能を示す。
  論文  参考訳（メタデータ） (2024-02-27T13:55:17Z)
• UGainS: Uncertainty Guided Anomaly Instance Segmentation [80.12253291709673]
  道路上の1つの予期せぬ物体が事故を引き起こしたり、怪我を負うことがある。 現在のアプローチでは、各ピクセルに異常スコアを割り当てることで、異常セグメンテーションに取り組む。 本稿では, 高精度な異常マスクを生成する手法を提案する。
  論文  参考訳（メタデータ） (2023-08-03T20:55:37Z)
• Mask-free OVIS: Open-Vocabulary Instance Segmentation without Manual Mask Annotations [86.47908754383198]
  Open-Vocabulary (OV) 法は、大規模な画像キャプチャペアと視覚言語モデルを利用して、新しいカテゴリを学習する。 提案手法は,イメージキャプションペアに存在するオブジェクトに対して,事前学習された視覚言語モデルの局所化能力を活用することで,擬似マスクアノテーションを生成する。 擬似マスクを用いてトレーニングした手法は,MS-COCOデータセットとOpenImagesデータセットのmAPスコアを大幅に改善する。
  論文  参考訳（メタデータ） (2023-03-29T17:58:39Z)
• 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)
• GFlowOut: Dropout with Generative Flow Networks [76.59535235717631]
  モンテカルロ・ドロップアウトは近似推論の比較的安価な方法として広く利用されている。 最近の研究は、ドロップアウトマスクを潜伏変数と見なすことができ、変動推論で推測できることを示している。 GFlowOutleveragesは、最近提案されたジェネレーティブフローネットワーク(GFlowNets)の確率的フレームワークを使用して、ドロップアウトマスク上の後部分布を学習する。
  論文  参考訳（メタデータ） (2022-10-24T03:00:01Z)
• Coarse Retinal Lesion Annotations Refinement via Prototypical Learning [3.464871689508835]
  病変領域をアウトラインする円や楕円のような粗いアノテーションは、ピクセルレベルのアノテーションより6倍効率が良い。 本稿では,粗いアノテーションを画素レベルのセグメンテーションマスクに変換するアノテーション改善ネットワークを提案する。 また,病変が過度に小さすぎる難治性症例に対処するための軽量化モジュールの試作も導入した。
  論文  参考訳（メタデータ） (2022-08-30T14:22:47Z)
• Deep Open-Set Recognition for Silicon Wafer Production Monitoring [7.7977112365916]
  本稿では,サブマニフォールドスパース畳み込みネットワークに基づくウェハ監視のための包括的パイプラインを提案する。 実験により, サブマニフォールドスパース畳み込みによるWDMの直接処理により, 既知のクラスにおいて優れた分類性能が得られることが示された。 我々のソリューションは、新規性の検出において最先端のオープンセット認識ソリューションより優れています。
  論文  参考訳（メタデータ） (2022-08-30T08:39:52Z)
• Self-Supervised Training with Autoencoders for Visual Anomaly Detection [61.62861063776813]
  我々は, 正規サンプルの分布を低次元多様体で支持する異常検出において, 特定のユースケースに焦点を当てた。 我々は、訓練中に識別情報を活用する自己指導型学習体制に適応するが、通常の例のサブ多様体に焦点をあてる。 製造領域における視覚異常検出のための挑戦的なベンチマークであるMVTec ADデータセットで、最先端の新たな結果を達成する。
  論文  参考訳（メタデータ） (2022-06-23T14:16:30Z)
• 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。