Fugu-MT 論文翻訳(概要): Efficient Leaf Disease Classification and Segmentation using Midpoint Normalization Technique and Attention Mechanism

論文の概要: Efficient Leaf Disease Classification and Segmentation using Midpoint Normalization Technique and Attention Mechanism

arxiv url: http://arxiv.org/abs/2505.21316v1
Date: Tue, 27 May 2025 15:14:04 GMT
ステータス: 翻訳完了
システム内更新日: 2025-05-28 17:05:58.744326
Title: Efficient Leaf Disease Classification and Segmentation using Midpoint Normalization Technique and Attention Mechanism
Title（参考訳）: 中点正規化法と注意機構を用いた効率的な葉病分類・分別
Authors: Enam Ahmed Taufik, Antara Firoz Parsa, Seraj Al Mahmud Mostafa,
Abstract要約: 画像前処理のための2段階変換手法であるミドルポイント正規化(MPN)を導入する。分類パイプラインは、例外的なクラスバランスを維持しながら、93%の精度を達成する。セグメンテーションタスクでは,MPNを付加した入力を用いて,U-Netアーキテクチャ内の同一の注意ブロックをシームレスに統合する。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Enhancing plant disease detection from leaf imagery remains a persistent challenge due to scarce labeled data and complex contextual factors. We introduce a transformative two-stage methodology, Mid Point Normalization (MPN) for intelligent image preprocessing, coupled with sophisticated attention mechanisms that dynamically recalibrate feature representations. Our classification pipeline, merging MPN with Squeeze-and-Excitation (SE) blocks, achieves remarkable 93% accuracy while maintaining exceptional class-wise balance. The perfect F1 score attained for our target class exemplifies attention's power in adaptive feature refinement. For segmentation tasks, we seamlessly integrate identical attention blocks within U-Net architecture using MPN-enhanced inputs, delivering compelling performance gains with 72.44% Dice score and 58.54% IoU, substantially outperforming baseline implementations. Beyond superior accuracy metrics, our approach yields computationally efficient, lightweight architectures perfectly suited for real-world computer vision applications.
Abstract（参考訳）: 葉のイメージから植物病の検出を促進することは、ラベル付きデータや複雑な文脈要因が不足しているため、依然として永続的な課題である。特徴表現を動的に再分類する高度な注意機構と相まって、インテリジェントな画像前処理のための2段階変換手法であるミッドポイント正規化(MPN)を導入する。 Squeeze-and-Excitation(SE)ブロックとMPNを併用した分類パイプラインは,例外的なクラスバランスを維持しつつ,93%の精度を実現している。対象クラスで達成した完全F1スコアは、適応的特徴改善における注意力を示している。セグメンテーションタスクでは、MPN強化された入力を使用してU-Netアーキテクチャ内の同一のアテンションブロックをシームレスに統合し、72.44%のDiceスコアと58.54%のIoUで魅力的なパフォーマンス向上を実現し、ベースライン実装を大幅に上回っている。優れた精度のメトリクス以外にも、我々のアプローチは実世界のコンピュータビジョンアプリケーションに完全に適合する計算効率が高く、軽量なアーキテクチャをもたらす。

論文の概要: Efficient Leaf Disease Classification and Segmentation using Midpoint Normalization Technique and Attention Mechanism

関連論文リスト