論文の概要: COT-AD: Cotton Analysis Dataset

• arxiv url: http://arxiv.org/abs/2507.18532v1
• Date: Thu, 24 Jul 2025 15:58:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-25 15:10:44.015835
• Title: COT-AD: Cotton Analysis Dataset
• Title（参考訳）: COT-AD:綿分析データセット
• Authors: Akbar Ali, Mahek Vyas, Soumyaratna Debnath, Chanda Grover Kamra, Jaidev Sanjay Khalane, Reuben Shibu Devanesan, Indra Deep Mastan, Subramanian Sankaranarayanan, Pankaj Khanna, Shanmuganathan Raman,
• Abstract要約: COT-ADは、コンピュータビジョンによる綿花の分析を強化するために設計された包括的なデータセットである。 データセットには、綿花の成長サイクルを通して撮影された25,000以上の画像と、5000以上の注釈付き画像が含まれている。 COT-ADは、分類、セグメンテーション、画像復元、強化、深層生成モデルに基づく綿花の合成といったタスクをサポートする。
• 参考スコア（独自算出の注目度）: 11.544259865058102
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper presents COT-AD, a comprehensive Dataset designed to enhance cotton crop analysis through computer vision. Comprising over 25,000 images captured throughout the cotton growth cycle, with 5,000 annotated images, COT-AD includes aerial imagery for field-scale detection and segmentation and high-resolution DSLR images documenting key diseases. The annotations cover pest and disease recognition, vegetation, and weed analysis, addressing a critical gap in cotton-specific agricultural datasets. COT-AD supports tasks such as classification, segmentation, image restoration, enhancement, deep generative model-based cotton crop synthesis, and early disease management, advancing data-driven crop management
• Abstract（参考訳）: 本稿では,コンピュータビジョンによる綿花分析の強化を目的とした包括的データセットCOT-ADを提案する。 COT-ADは、綿花の成長サイクルを通じて25,000枚以上の画像が撮影され、5,000枚の注釈付き画像が収録されており、フィールドスケールの検出とセグメンテーションのための空中画像と、重要な疾患を記録できる高解像度のDSLR画像を含んでいる。 このアノテーションは、害虫や病気の認識、植生、雑草の分析をカバーし、綿花固有の農業データセットにおける重要なギャップに対処する。 COT-ADは、分類、セグメンテーション、画像復元、強化、深層生成モデルに基づく綿実合成、早期疾患管理、データ駆動型作物管理の推進といったタスクをサポートする。

関連論文リスト

• Evaluating Data Augmentation Techniques for Coffee Leaf Disease Classification [2.0892083471064407]
  本稿では,RoCoLeデータセットを用いて,深層学習による画像からのコーヒー葉病の分類を行う。 本研究は, トランスフォーマーモデル, オンライン強化, およびCycleGAN増強が葉病分類の改善に有効であることを示す。
  論文  参考訳（メタデータ） (2024-01-11T09:22:36Z)
• A New Dataset and Comparative Study for Aphid Cluster Detection [17.65292847038642]
  アフィドは作物、農村の家族、そして世界の食料安全保障に対する主要な脅威の1つである。 アフィドの感染を正確に特定し レベルを推定することは 農薬の正確な局所的応用に 不可欠です 我々は,ソリガムフィールドで何百万枚もの画像を撮影し,手動でアフィドを含む5,447枚の画像を選択し,画像中の各アフィドクラスタに注釈を付けた。
  論文  参考訳（メタデータ） (2023-07-12T05:49:21Z)
• Detection of healthy and diseased crops in drone captured images using Deep Learning [0.0]
  病気によって引き起こされる植物の正常な状態の破壊は、しばしば本質的な植物活動に干渉する。 ドローン画像を用いた植物病の効率的な検出のための深層学習に基づくアプローチを提案する。
  論文  参考訳（メタデータ） (2023-05-22T21:15:12Z)
• Agave crop segmentation and maturity classification with deep learning data-centric strategies using very high-resolution satellite imagery [101.18253437732933]
  超高解像度衛星画像を用いたAgave tequilana Weber azul crop segmentation and mature classificationを提案する。 実世界の深層学習問題を,作物の選別という非常に具体的な文脈で解決する。 結果として得られた正確なモデルにより、大規模地域で生産予測を行うことができる。
  論文  参考訳（メタデータ） (2023-03-21T03:15:29Z)
• Semantic Image Segmentation with Deep Learning for Vine Leaf Phenotyping [59.0626764544669]
  本研究では,ブドウの葉のイメージを意味的にセグメント化するためにDeep Learning法を用いて,葉の表現型自動検出システムを開発した。 私たちの研究は、成長や開発のような動的な特性を捉え定量化できる植物ライフサイクルのモニタリングに寄与します。
  論文  参考訳（メタデータ） (2022-10-24T14:37:09Z)
• Agricultural Plant Cataloging and Establishment of a Data Framework from UAV-based Crop Images by Computer Vision [4.0382342610484425]
  本稿では,UAVからの収穫画像の時間的・空間的識別と識別を自動化するための手動ワークフローを提案する。 提案手法は農業におけるUAVデータの分析と解釈を大幅に改善する。
  論文  参考訳（メタデータ） (2022-01-08T21:14:07Z)
• 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)
• Synergistic Learning of Lung Lobe Segmentation and Hierarchical Multi-Instance Classification for Automated Severity Assessment of COVID-19 in CT Images [61.862364277007934]
  3次元CT画像におけるCOVID-19の重症度自動評価のための相乗的学習フレームワークを提案する。 マルチタスクのディープネットワーク(M$2$UNet)が開発され、新型コロナウイルス患者の重症度を評価する。 われわれのM$2$UNetはパッチレベルのエンコーダと肺葉分画のためのセグメンテーションサブネットワークと重度評価のための分類サブネットワークから構成されている。
  論文  参考訳（メタデータ） (2020-05-08T03:16:15Z)
• Inf-Net: Automatic COVID-19 Lung Infection Segmentation from CT Images [152.34988415258988]
  CT画像からの肺感染症の自動検出は、新型コロナウイルスに対処するための従来の医療戦略を強化する大きな可能性を秘めている。 CTスライスから感染領域を分割することは、高い感染特性の変化、感染と正常な組織の間の低強度のコントラストなど、いくつかの課題に直面している。 これらの課題に対処するため, 胸部CTスライスから感染部位を自動的に同定する, 新型のCOVID-19 Deep Lung infection Network (Inf-Net) が提案されている。
  論文  参考訳（メタデータ） (2020-04-22T07:30:56Z)
• Agriculture-Vision: A Large Aerial Image Database for Agricultural Pattern Analysis [110.30849704592592]
  本稿では,農業パターンのセマンティックセグメンテーションのための大規模空中農地画像データセットであるGarmry-Visionを提案する。 各画像はRGBと近赤外線(NIR)チャンネルで構成され、解像度は1ピクセルあたり10cmである。 農家にとって最も重要な9種類のフィールド異常パターンに注釈を付ける。
  論文  参考訳（メタデータ） (2020-01-05T20:19:33Z)

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。