論文の概要: BBoxCut: A Targeted Data Augmentation Technique for Enhancing Wheat Head Detection Under Occlusions

• arxiv url: http://arxiv.org/abs/2503.24032v1
• Date: Mon, 31 Mar 2025 12:59:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-04-01 14:35:05.688440
• Title: BBoxCut: A Targeted Data Augmentation Technique for Enhancing Wheat Head Detection Under Occlusions
• Title（参考訳）: BBoxCut:オクルージョン下での小麦頭部検出を支援するターゲットデータ拡張技術
• Authors: Yasashwini Sai Gowri P, Karthik Seemakurthy, Andrews Agyemang Opoku, Sita Devi Bharatula,
• Abstract要約: 葉や近隣の小麦の頭部から発生する閉塞をランダムな局所化マスキングでシミュレートする新しいデータ拡張手法であるBBoxCutを提案する。 我々の増強技術は質的にも量的にも大きな改善をもたらした。 特に、この改良は、コムギの頭を取り囲むシナリオにおいて特に顕著であった。
• 参考スコア（独自算出の注目度）: 2.249916681499244
• License:
• Abstract: Wheat plays a critical role in global food security, making it one of the most extensively studied crops. Accurate identification and measurement of key characteristics of wheat heads are essential for breeders to select varieties for cross-breeding, with the goal of developing nutrient-dense, resilient, and sustainable cultivars. Traditionally, these measurements are performed manually, which is both time-consuming and inefficient. Advances in digital technologies have paved the way for automating this process. However, field conditions pose significant challenges, such as occlusions of leaves, overlapping wheat heads, varying lighting conditions, and motion blur. In this paper, we propose a novel data augmentation technique, BBoxCut, which uses random localized masking to simulate occlusions caused by leaves and neighboring wheat heads. We evaluated our approach using three state-of-the-art object detectors and observed mean average precision (mAP) gains of 2.76, 3.26, and 1.9 for Faster R-CNN, FCOS, and DETR, respectively. Our augmentation technique led to significant improvements both qualitatively and quantitatively. In particular, the improvements were particularly evident in scenarios involving occluded wheat heads, demonstrating the robustness of our method in challenging field conditions.
• Abstract（参考訳）: 小麦は世界の食料安全保障において重要な役割を担っており、最も広く研究されている作物の1つである。 コムギの主形質の正確な同定と測定は、育種者が交雑種を選択する上で不可欠であり、栄養分濃度、弾力性、持続的品種の開発が目的である。 伝統的に、これらの測定は手動で行われるが、これは時間がかかり非効率である。 デジタル技術の進歩は、このプロセスを自動化するための道を開いた。 しかし、フィールド条件は葉の閉塞、重なり合う小麦の頭、様々な照明条件、動きのぼやけなどの大きな課題を引き起こす。 本稿では, 葉や隣接する小麦の頭部から発生する閉塞をランダムな局所化マスキングによりシミュレートする新しいデータ拡張手法であるBBoxCutを提案する。 我々は3つの最先端物体検出器と平均平均精度(mAP)をそれぞれ2.76,3.26,1.9の高速R-CNN,FCOS,DTRで評価した。 我々の増強技術は質的にも量的にも大きな改善をもたらした。 特に, 閉鎖したコムギの頭部に顕著な改善がみられ, フィールド条件の厳しい条件下での手法の頑健さが示された。

関連論文リスト

• A Multi-Scale Feature Extraction and Fusion Deep Learning Method for Classification of Wheat Diseases [4.8117894377430925]
  本研究では,高度な画像分割技術とマルチスケール特徴抽出を統合し,分類精度を向上させる革新的な手法を提案する。 提案手法では、ニューラルネットワークモデルXception, Inception V3, ResNet 50を用いて、大規模小麦病分類データセット2020のトレーニングを行う。 本研究は,提案手法が小麦病の分類において,現在の最先端手法と比較して99.75%の精度で優れていることを示した。
  論文  参考訳（メタデータ） (2025-01-17T03:29:41Z)
• Anticipatory Understanding of Resilient Agriculture to Climate [66.008020515555]
  本稿では,リモートセンシング,深層学習,作物収量モデリング,食品流通システムの因果モデリングを組み合わせることで,食品のセキュリティホットスポットをよりよく識別する枠組みを提案する。 我々は、世界の人口の大部分を供給している北インドの小麦パンバスケットの分析に焦点をあてる。
  論文  参考訳（メタデータ） (2024-11-07T22:29:05Z)
• Multispectral Fine-Grained Classification of Blackgrass in Wheat and Barley Crops [2.580056799681784]
  ブラックグラス(Blackgrass)は、ヨーロッパ北西部の穀物に特に問題を引き起こす草の雑草である。 マシンビジョンとマルチスペクトルイメージングを用いて,黒草を識別するための最先端手法の有効性について検討した。
  論文  参考訳（メタデータ） (2024-05-03T16:23:41Z)
• TernaryVote: Differentially Private, Communication Efficient, and Byzantine Resilient Distributed Optimization on Heterogeneous Data [50.797729676285876]
  本稿では, 3次圧縮機と多数決機構を組み合わせて, 差分プライバシー, 勾配圧縮, ビザンチンレジリエンスを同時に実現するternaryVoteを提案する。 提案アルゴリズムのF差分プライバシー(DP)とビザンチンレジリエンスのレンズによるプライバシー保証を理論的に定量化する。
  論文  参考訳（メタデータ） (2024-02-16T16:41:14Z)
• Fruit Ripeness Classification: a Survey [59.11160990637616]
  食品を格付けするための特徴記述子を多用する多くの自動的手法が提案されている。 機械学習とディープラーニング技術がトップパフォーマンスの手法を支配している。 ディープラーニングは生のデータで操作できるため、複雑なエンジニアリング機能を計算する必要がなくなる。
  論文  参考訳（メタデータ） (2022-12-29T19:32:20Z)
• Generative models-based data labeling for deep networks regression: application to seed maturity estimation from UAV multispectral images [3.6868861317674524]
  種子の成熟度モニタリングは、気候変動とより制限的な慣行による農業における課題の増加である。 従来の手法は、フィールドでの限られたサンプリングと実験室での分析に基づいている。 マルチスペクトルUAV画像を用いたパセリ種子の成熟度推定手法の提案と,自動ラベリングのための新しいアプローチを提案する。
  論文  参考訳（メタデータ） (2022-08-09T09:06:51Z)
• Automated Wheat Disease Detection using a ROS-based Autonomous Guided UAV [0.0]
  小麦畑のモニタリング作業を自動化するために、無人航空機にスマート自律システムが実装されている。 画像に基づくディープラーニングアプローチは、病気に感染した小麦の植物を検出し分類するために用いられる。 ロボットオペレーティングシステムとガゼボ環境におけるシミュレーションを用いて,マッピングとナビゲーションシステムを提案する。
  論文  参考訳（メタデータ） (2022-06-30T06:12:48Z)
• Robust and Precise Facial Landmark Detection by Self-Calibrated Pose Attention Network [73.56802915291917]
  より堅牢で正確な顔のランドマーク検出を実現するための半教師付きフレームワークを提案する。 より効果的な顔形状制約をモデル化するために,境界対応ランドマーク強度(BALI)フィールドを提案する。 自己キャリブレーション・ポース・アテンション(SCPA)モデルは、中間的監督を強制する自己学習型目標関数を提供するように設計されている。
  論文  参考訳（メタデータ） (2021-12-23T02:51:08Z)
• Short and Long Range Relation Based Spatio-Temporal Transformer for Micro-Expression Recognition [61.374467942519374]
  我々は,マイクロ圧縮認識のための最初の純粋トランスフォーマーベースアプローチである,新しいアテンポ的トランスフォーマーアーキテクチャを提案する。 空間パターンを学習する空間エンコーダと、時間的分析のための時間的次元分類と、ヘッドとを備える。 広範に使用されている3つの自発的マイクロ圧縮データセットに対する総合的な評価は,提案手法が一貫して芸術の状態を上回っていることを示している。
  論文  参考訳（メタデータ） (2021-12-10T22:10:31Z)
• Potato Crop Stress Identification in Aerial Images using Deep Learning-based Object Detection [60.83360138070649]
  本稿では, 深層ニューラルネットワークを用いたジャガイモの空中画像解析手法を提案する。 主な目的は、植物レベルでの健康作物とストレス作物の自動空間認識を実証することである。 実験により、フィールド画像中の健康植物とストレス植物を識別し、平均Dice係数0.74を達成できることを示した。
  論文  参考訳（メタデータ） (2021-06-14T21:57:40Z)
• WheatNet: A Lightweight Convolutional Neural Network for High-throughput Image-based Wheat Head Detection and Counting [12.735055892742647]
  本研究では,小麦頭数を正確にかつ効率的に計算し,意思決定のためのリアルタイムデータ収集を支援する新しいディープラーニングフレームワークを提案する。 モデルコムギ網とよばれ,小麦畑の幅広い環境条件において,我々のアプローチが頑健かつ正確であることを実証する。 提案手法は, 小麦頭部計数タスクにおけるMAEとRMSEの3.85と5.19をそれぞれ達成し, 他の最先端手法に比べてパラメータが有意に少ない。
  論文  参考訳（メタデータ） (2021-03-17T02:38:58Z)

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。