論文の概要: DeepCS-TRD, a Deep Learning-based Cross-Section Tree Ring Detector

• arxiv url: http://arxiv.org/abs/2504.16242v1
• Date: Tue, 22 Apr 2025 20:15:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-02 19:15:52.913885
• Title: DeepCS-TRD, a Deep Learning-based Cross-Section Tree Ring Detector
• Title（参考訳）: DeepCS-TRD - 深層学習型クロスセクションツリーリング検出器
• Authors: Henry Marichal, Verónica Casaravilla, Candice Power, Karolain Mello, Joaquín Mazarino, Christine Lucas, Ludmila Profumo, Diego Passarella, Gregory Randall,
• Abstract要約: Deep CS-TRDは全断面の木の輪を検出する新しい自動アルゴリズムである。 深層学習に基づくアプローチ(U-Net)によりCS-TRDのエッジ検出ステップを置換する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Here, we propose Deep CS-TRD, a new automatic algorithm for detecting tree rings in whole cross-sections. It substitutes the edge detection step of CS-TRD by a deep-learning-based approach (U-Net), which allows the application of the method to different image domains: microscopy, scanner or smartphone acquired, and species (Pinus taeda, Gleditsia triachantos and Salix glauca). Additionally, we introduce two publicly available datasets of annotated images to the community. The proposed method outperforms state-of-the-art approaches in macro images (Pinus taeda and Gleditsia triacanthos) while showing slightly lower performance in microscopy images of Salix glauca. To our knowledge, this is the first paper that studies automatic tree ring detection for such different species and acquisition conditions. The dataset and source code are available in https://github.com/hmarichal93/deepcstrd
• Abstract（参考訳）: 本稿では,全断面のツリーリングを検出する新しい自動アルゴリズムであるDeep CS-TRDを提案する。 CS-TRDのエッジ検出ステップをディープラーニングベースのアプローチ(U-Net)で置き換え、顕微鏡、スキャナー、スマートフォン、種(Pinus taeda、Gleditsia triachantos、Salix glauca)など、異なる画像領域にこの手法を適用することができる。 さらに、注釈付き画像の2つの公開データセットをコミュニティに紹介する。 提案手法はマクロ画像(Pinus taeda と Gleditsia triacanthos)における最先端のアプローチに優れ,Salix glauca の顕微鏡画像では若干低い性能を示した。 我々の知る限り、このような異なる種と取得条件に対する自動樹輪検出を研究する最初の論文である。 データセットとソースコードはhttps://github.com/hmarichal93/deepcstrdで入手できる。

関連論文リスト

• UGAD: Universal Generative AI Detector utilizing Frequency Fingerprints [18.47018538990973]
  本研究では,AI生成画像を検出するための新しいマルチモーダル手法を提案する。 提案手法は,実画像とAI画像の識別精度を大幅に向上させる。
  論文  参考訳（メタデータ） (2024-09-12T10:29:37Z)
• Deep Learning Based Speckle Filtering for Polarimetric SAR Images. Application to Sentinel-1 [51.404644401997736]
  本稿では、畳み込みニューラルネットワークを用いて偏光SAR画像のスペックルを除去するための完全なフレームワークを提案する。 実験により,提案手法はスペックル低減と分解能保存の両方において例外的な結果をもたらすことが示された。
  論文  参考訳（メタデータ） (2024-08-28T10:07:17Z)
• UruDendro, a public dataset of cross-section images of Pinus taeda [0.0]
  本論文は,ウルグアイ北部で栽培されたタエダ林の横断面をスキャンした64枚の画像のデータベースを公開し,その樹齢は17～24歳である。 このコレクションには、照明と表面調製のバリエーション、真菌感染(青色の染色)、結び目の形成、外輪の欠損または中断、放射分解など、自動リング検出のためのいくつかの困難な特徴が含まれている。 本稿では, 樹冠年代学コミュニティにおいて, 初期木と後期木との明確な定義を示す木々の断面において, 完全な年輪を識別し, マークするクロス・セクション・ツリー・リング検出法(CS-TRD)について述べる。
  論文  参考訳（メタデータ） (2024-04-16T19:10:40Z)
• Automatic Wood Pith Detector: Local Orientation Estimation and Robust Accumulation [0.0]
  木材ピット検出(APD)のための完全自動化手法を提案する。 この方法は、2次元構造テンソルを用いてリングの局所的な向きを推定し、ピット位置を求める。 また,明らかなツリーリングパターンが存在しない場合に,本手法の有効性を高める変種(APD-PCL)を提案する。
  論文  参考訳（メタデータ） (2024-04-02T13:47:15Z)
• Exploring Deep Learning Image Super-Resolution for Iris Recognition [50.43429968821899]
  重畳自動エンコーダ(SAE)と畳み込みニューラルネットワーク(CNN)の2つの深層学習単一画像超解法手法を提案する。 精度評価と認識実験により,1.872個の近赤外虹彩画像のデータベースを用いて評価を行い,比較アルゴリズムよりも深層学習の方が優れていることを示す。
  論文  参考訳（メタデータ） (2023-11-02T13:57:48Z)
• CS-TRD: a Cross Sections Tree Ring Detection method [0.0]
  この手法は、Canny Devernayエッジ検出器(シグマ)のパラメータ、サイズ要因、光の数、および穴の位置に依存する。 CS-TRDは完全に自動化されており、UruDendroデータセット(Pinus taeda)で89%、Kennelデータセット(Abies alba)で97%のFスコアを特別なハードウェア要件なしで達成している。
  論文  参考訳（メタデータ） (2023-05-18T08:43:57Z)
• Iterative Next Boundary Detection for Instance Segmentation of Tree Rings in Microscopy Images of Shrub Cross Sections [58.720142291102135]
  反復次境界検出(INBD)と呼ばれる新しい反復法を提案する。 自然成長方向を直感的にモデル化し、低木断面の中心から始まり、各ステップにおける次のリング境界を検出する。 我々の実験では、INBDはジェネリックインスタンスセグメンテーション法よりも優れた性能を示し、時間順の概念を組み込んだ唯一の方法である。
  論文  参考訳（メタデータ） (2022-12-06T14:49:41Z)
• Two-Stream Graph Convolutional Network for Intra-oral Scanner Image Segmentation [133.02190910009384]
  本稿では,2ストリームグラフ畳み込みネットワーク(TSGCN)を提案する。 TSGCNは3次元歯(表面)セグメンテーションにおいて最先端の方法よりも優れています。
  論文  参考訳（メタデータ） (2022-04-19T10:41:09Z)
• Automatic Tree Ring Detection using Jacobi Sets [0.9786690381850356]
  本稿では,木円板の凹凸とリング境界を位置決めする新しい自動手法を提案する。 提案手法は,トポロジカルデータ解析による標準画像処理技術とツールの組み合わせを用いている。 本手法の有効性を,手動で位置するリングとセンターとを比較して評価した。
  論文  参考訳（メタデータ） (2020-10-17T01:28:16Z)
• High-Order Information Matters: Learning Relation and Topology for Occluded Person Re-Identification [84.43394420267794]
  本稿では,高次関係とトポロジ情報を識別的特徴とロバストなアライメントのために学習し,新しい枠組みを提案する。 我々のフレームワークはOccluded-Dukeデータセットで最先端の6.5%mAPスコアを大幅に上回っている。
  論文  参考訳（メタデータ） (2020-03-18T12:18:35Z)
• Saliency Enhancement using Gradient Domain Edges Merging [65.90255950853674]
  本研究では,エッジとサリエンシマップをマージして,サリエンシマップの性能を向上させる手法を開発した。 これにより、DUT-OMRONデータセットの少なくとも3.4倍の平均的な改善により、エッジ(SEE)を使用したサリエンシ向上が提案された。 SEEアルゴリズムは前処理のためのSEE-Preと後処理のためのSEE-Postの2つの部分に分けられる。
  論文  参考訳（メタデータ） (2020-02-11T14:04:56Z)

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。