論文の概要: An Improved Pure Fully Connected Neural Network for Rice Grain Classification

• arxiv url: http://arxiv.org/abs/2503.03111v1
• Date: Wed, 05 Mar 2025 02:10:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-06 15:52:19.870077
• Title: An Improved Pure Fully Connected Neural Network for Rice Grain Classification
• Title（参考訳）: 米粒分類のための純完全連結ニューラルネットワークの改良
• Authors: Wanke Xia, Ruoxin Peng, Haoqi Chu, Xinlei Zhu,
• Abstract要約: 深層学習により、イネの自動分類が可能となり、精度と効率が向上した。 第一段階の訓練に基づく古典モデルは、類似した外的特徴を持つ米品種の区別が困難である可能性がある。 本研究では,米粒分類の観点から,深層学習モデルの分類能力を高めるための2つの微妙な方法を提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Rice is a staple food for a significant portion of the world's population, providing essential nutrients and serving as a versatile in-gredient in a wide range of culinary traditions. Recently, the use of deep learning has enabled automated classification of rice, im-proving accuracy and efficiency. However, classical models based on first-stage training may face difficulties in distinguishing between rice varieties with similar external characteristics, thus leading to misclassifications. Considering the transparency and feasibility of model, we selected and gradually improved pure fully connected neural network to achieve classification of rice grain. The dataset we used contains both global and domestic rice images obtained from websites and laboratories respectively. First, the training mode was changed from one-stage training to two-stage training, which significantly contributes to distinguishing two similar types of rice. Secondly, the preprocessing method was changed from random tilting to horizontal or vertical position cor-rection. After those two enhancements, the accuracy of our model increased notably from 97% to 99%. In summary, two subtle methods proposed in this study can remarkably enhance the classification ability of deep learning models in terms of the classification of rice grain.
• Abstract（参考訳）: 米は世界の人口のかなりの部分にとって必須の食品であり、必須の栄養素を提供し、幅広い料理の伝統において多種多様な不作法として機能する。 近年, 深層学習の活用により, イネの自動分類が可能となり, 精度と効率性が向上した。 しかし、第一段階の訓練に基づく古典モデルは、類似した外見的特徴を持つ米品種の区別が難しいため、誤分類に繋がる可能性がある。 モデルの透明性と実現可能性を考慮して,米粒の分類を実現するため,純完全連結ニューラルネットワークの選択と改良を行った。 使用したデータセットには,Webサイトと研究室から得られた米のグローバルイメージと国内イメージの両方が含まれている。 まず, 訓練モードを1段階訓練から2段階訓練に変更し, 2種類の米の区別に大きく寄与した。 第2に, 前処理法をランダム傾きから水平方向, 垂直方向のコーレーションに変更した。 これらの2つの改善の後, モデルの精度は顕著に97%から99%に向上した。 本研究で提案した2つの微妙な手法は,米粒の分類の観点から,深層学習モデルの分類能力を著しく向上させることができる。

関連論文リスト

• An Overall Real-Time Mechanism for Classification and Quality Evaluation of Rice [1.7034902216513157]
  本研究は, 包括的米粒評価のためのリアルタイム評価機構を提案する。 1段階のオブジェクト検出アプローチ、深層畳み込みニューラルネットワーク、従来の機械学習技術を統合する。 提案手法により,イネ品種の同定,粒度評価,粒度評価が可能となった。
  論文  参考訳（メタデータ） (2025-02-19T14:24:25Z)
• Retrieval Augmented Recipe Generation [96.43285670458803]
  本稿では,レシピ生成のための拡張型大規模マルチモーダルモデルを提案する。 既存のデータストアからサプリメントとして、イメージにセマンティックに関連付けられたレシピを検索する。 生成したレシピ候補間の一貫性を計算し、異なる検索レシピを生成のコンテキストとして使用する。
  論文  参考訳（メタデータ） (2024-11-13T15:58:50Z)
• A novel method for identifying rice seed purity based on hybrid machine learning algorithms [0.0]
  穀物産業では、種子の品質を評価する上で重要な要素として、種子の純度の同定が重要である。 本研究では,ハイブリッド機械学習アルゴリズムを用いて,特定の品種のイネ種子の純度を自動的に同定する手法を提案する。
  論文  参考訳（メタデータ） (2024-06-09T17:13:25Z)
• Cell Phone Image-Based Persian Rice Detection and Classification Using Deep Learning Techniques [0.0]
  本研究では,画像に基づく深層学習技術を用いて,様々な種類のペルシャ米を分類する革新的なアプローチを提案する。 コンボリューショナルニューラルネットワーク(CNN)の機能を活用し,特にResNetモデルを用いてイネ品種の正確な同定を行った。 本研究は,日常生活における画像に基づく深層学習の適用性に関する洞察を提供することによって,この分野に寄与する。
  論文  参考訳（メタデータ） (2024-04-21T07:03:48Z)
• Transferring Knowledge for Food Image Segmentation using Transformers and Convolutions [65.50975507723827]
  食品画像のセグメンテーションは、食品の皿の栄養価を推定するなど、ユビキタスな用途を持つ重要なタスクである。 1つの課題は、食品が重なり合ったり混ざったりし、区別が難しいことだ。 2つのモデルが訓練され、比較される。1つは畳み込みニューラルネットワークに基づくもので、もう1つは画像変換器(BEiT)のための双方向表現に関するものである。 BEiTモデルは、FoodSeg103上の49.4の結合の平均的交点を達成することで、従来の最先端モデルよりも優れている。
  論文  参考訳（メタデータ） (2023-06-15T15:38:10Z)
• Vision-Based Defect Classification and Weight Estimation of Rice Kernels [12.747541089354538]
  そこで本研究では,イネカーネルの視覚的品質自動推定システムについて,その欠陥の種類に応じて分類し,視点型カーネルの重量比による品質評価を行う。 画像中の各カーネルの相対重量をその面積から測定する新しい指標を定義し,すべてのサンプルに対する各カーネルの相対重量を計算し,米の品質評価の基盤として利用できるようにした。
  論文  参考訳（メタデータ） (2022-10-06T03:58:05Z)
• Facilitated machine learning for image-based fruit quality assessment in developing countries [68.8204255655161]
  自動画像分類は食品科学における教師あり機械学習の一般的な課題である。 事前学習型視覚変換器(ViT)に基づく代替手法を提案する。 標準的なデバイス上で限られたリソースで簡単に実装できる。
  論文  参考訳（メタデータ） (2022-07-10T19:52:20Z)
• Cross-lingual Adaptation for Recipe Retrieval with Mixup [56.79360103639741]
  近年,大規模なペアリングデータの提供により,クロスモーダルなレシピ検索が研究の注目を集めている。 本稿では,ソース領域とターゲット領域のレシピが異なる言語で作成される画像からレシピ検索のための教師なし領域適応について検討する。 2つの領域間の移動可能な埋め込み特徴を学習するために,新しいレシピ・ミックスアップ法を提案する。
  論文  参考訳（メタデータ） (2022-05-08T15:04:39Z)
• Online Continual Learning For Visual Food Classification [7.704949298975352]
  既存の方法はトレーニングのために静的なデータセットを必要としており、シーケンシャルに利用可能な新しい食品画像から学ぶことができない。 本稿では,各学習食品に含まれる最も代表的なデータを格納するための,クラスタリングに基づく模範選択アルゴリズムを提案する。 その結果,既存のオンライン連続学習手法と比較して,大幅な改善が見られた。
  論文  参考訳（メタデータ） (2021-08-15T17:48:03Z)
• 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)
• Cross-Modal Food Retrieval: Learning a Joint Embedding of Food Images and Recipes with Semantic Consistency and Attention Mechanism [70.85894675131624]
  画像とレシピを共通の特徴空間に埋め込み、対応する画像とレシピの埋め込みが互いに近接するように学習する。 本稿では,2つのモダリティの埋め込みを正規化するためのセマンティック・一貫性とアテンション・ベース・ネットワーク(SCAN)を提案する。 食品画像や調理レシピの最先端のクロスモーダル検索戦略を,かなりの差で達成できることが示される。
  論文  参考訳（メタデータ） (2020-03-09T07:41:17Z)

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。