論文の概要: Synthetic Data Augmentation for Enhanced Chicken Carcass Instance Segmentation
- arxiv url: http://arxiv.org/abs/2507.18558v1
- Date: Thu, 24 Jul 2025 16:33:04 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-07-25 15:10:44.121114
- Title: Synthetic Data Augmentation for Enhanced Chicken Carcass Instance Segmentation
- Title（参考訳）: ニワトリカルカス胞分節の増強のための合成データ拡張
- Authors: Yihong Feng, Chaitanya Pallerla, Xiaomin Lin, Pouya Sohrabipour Sr, Philip Crandall, Wan Shou, Yu She, Dongyi Wang,
- Abstract要約: ニワトリ肉の合成画像に自動的にラベル付けされたフォトリアリスティックな画像を生成する最初のパイプラインを提示する。
本研究は, ニワトリ軟骨のインスタンスセグメンテーションを強化するために, 合成データと自動データアノテーションの有効性について検討した。
- 参考スコア（独自算出の注目度）: 1.8835560458496143
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: The poultry industry has been driven by broiler chicken production and has grown into the world's largest animal protein sector. Automated detection of chicken carcasses on processing lines is vital for quality control, food safety, and operational efficiency in slaughterhouses and poultry processing plants. However, developing robust deep learning models for tasks like instance segmentation in these fast-paced industrial environments is often hampered by the need for laborious acquisition and annotation of large-scale real-world image datasets. We present the first pipeline generating photo-realistic, automatically labeled synthetic images of chicken carcasses. We also introduce a new benchmark dataset containing 300 annotated real-world images, curated specifically for poultry segmentation research. Using these datasets, this study investigates the efficacy of synthetic data and automatic data annotation to enhance the instance segmentation of chicken carcasses, particularly when real annotated data from the processing line is scarce. A small real dataset with varying proportions of synthetic images was evaluated in prominent instance segmentation models. Results show that synthetic data significantly boosts segmentation performance for chicken carcasses across all models. This research underscores the value of synthetic data augmentation as a viable and effective strategy to mitigate data scarcity, reduce manual annotation efforts, and advance the development of robust AI-driven automated detection systems for chicken carcasses in the poultry processing industry.
- Abstract（参考訳）: 鶏肉産業はブロイラーの鶏肉生産によって推進され、世界最大の動物タンパク質部門に成長してきた。
処理ライン上でのニワトリの炭化物の自動検出は,殺処分場や養鶏加工工場の品質管理,食品安全性,運転効率向上に不可欠である。
しかし、これらの急激な産業環境でのインスタンスセグメンテーションのようなタスクのための堅牢なディープラーニングモデルの開発は、大規模な実世界の画像データセットの厳格な取得とアノテーションの必要性によって、しばしば妨げられる。
ニワトリ肉の合成画像に自動的にラベル付けされたフォトリアリスティックな画像を生成する最初のパイプラインを提示する。
また,養鶏セグメンテーション研究に特化してキュレートされた300個のアノテートされた実世界の画像を含む新しいベンチマークデータセットも導入した。
これらのデータセットを用いて, ニワトリ軟骨のインスタンスセグメンテーションを高めるために, 合成データと自動データアノテーションの有効性について検討した。
合成画像の比率が異なる小さな実データセットを, 顕著な例分割モデルで評価した。
その結果,全モデルにおけるニワトリ軟骨のセグメンテーション性能は,合成データによって著しく向上することがわかった。
本研究は, 鶏肉加工産業における, データの不足を軽減し, 手作業によるアノテーションの取り組みを減らし, 鶏肉の自動検出システムの開発を進めるための, 有効かつ効果的な戦略として, 合成データ増強の価値を浮き彫りにするものである。
関連論文リスト
- Bounding Box-Guided Diffusion for Synthesizing Industrial Images and Segmentation Map [50.21082069320818]
最小限の監督で高忠実度産業データセットを生成するための拡散型パイプラインを提案する。
提案手法では, 拡張有界箱表現の拡散モデルを用いて, 正確なセグメンテーションマスクを生成する。
その結果、拡散に基づく合成は、人工的な産業データと実世界の産業データとのギャップを埋めることを示した。
論文 参考訳（メタデータ） (2025-05-06T15:21:36Z) - DreamMask: Boosting Open-vocabulary Panoptic Segmentation with Synthetic Data [61.62554324594797]
オープンな語彙設定でトレーニングデータを生成する方法と、実データと合成データの両方でモデルをトレーニングする方法を探索するDreamMaskを提案する。
一般的に、DreamMaskは大規模なトレーニングデータの収集を著しく単純化し、既存のメソッドのプラグイン・アンド・プレイ・エンハンスメントとして機能する。
例えば、COCOで訓練しADE20Kで試験すると、ドリームマスクを装備したモデルは以前の最先端の2.1% mIoUよりも優れていた。
論文 参考訳（メタデータ） (2025-01-03T19:00:00Z) - Little Giants: Synthesizing High-Quality Embedding Data at Scale [71.352883755806]
SPEEDは,オープンソースの小型モデルと協調して大規模な埋め込みデータを効率的に生成するフレームワークである。
SPEEDはGPT API呼び出しの1/10未満しか使用せず、両者が合成データのみに基づいてトレーニングされている場合、最先端の埋め込みモデルE5_mistralよりも優れている。
論文 参考訳（メタデータ） (2024-10-24T10:47:30Z) - Synthetic Image Learning: Preserving Performance and Preventing Membership Inference Attacks [5.0243930429558885]
本稿では,下流分類器の学習のための合成データの生成と利用を最適化するパイプラインである知識リサイクル(KR)を紹介する。
このパイプラインの核心は生成的知識蒸留(GKD)であり、情報の品質と有用性を大幅に向上させる技術が提案されている。
その結果、実データと合成データでトレーニングされたモデルと、実データでトレーニングされたモデルとの性能差が著しく低下した。
論文 参考訳（メタデータ） (2024-07-22T10:31:07Z) - CarcassFormer: An End-to-end Transformer-based Framework for Simultaneous Localization, Segmentation and Classification of Poultry Carcass Defect [7.226756857329067]
本研究では, 熟練労働者や検査官の関与を必要とせず, カーカス品質評価の自動化に有効な手法を提案する。
提案システムは機械学習(ML)とコンピュータビジョン(CV)技術に基づいて,自動欠陥検出とカーカス品質評価を可能にする。
本研究では,CarcassFormerシステムの性能を,分類,検出,セグメンテーションタスクにおける他の最先端(SOTA)手法と比較する。
論文 参考訳（メタデータ） (2024-04-17T14:34:56Z) - Controllable Image Synthesis of Industrial Data Using Stable Diffusion [2.021800129069459]
本稿では,産業データに基づく汎用事前学習型生成モデルの再利用手法を提案する。
まず、モデルに新しい概念を学習させ、新しいデータ分布を学習させる。
そこで我々は,その生成過程の条件付けを強制的に行ない,よく定義されたトポロジ的特徴を満たす産業用画像を生成する。
論文 参考訳（メタデータ） (2024-01-06T08:09:24Z) - Bridging the Gap: Enhancing the Utility of Synthetic Data via
Post-Processing Techniques [7.967995669387532]
生成モデルは、実世界のデータを置き換えたり拡張したりできる合成データセットを生成するための有望なソリューションとして登場した。
本稿では,合成データセットの品質と多様性を向上させるために,新しい3つのポストプロセッシング手法を提案する。
Gap Filler(GaFi)は、Fashion-MNIST、CIFAR-10、CIFAR-100データセットにおいて、実精度スコアとのギャップを2.03%、1.78%、および3.99%に効果的に減少させることを示した。
論文 参考訳（メタデータ） (2023-05-17T10:50:38Z) - 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) - Deep Learning based pipeline for anomaly detection and quality
enhancement in industrial binder jetting processes [68.8204255655161]
異常検出は、通常の値空間とは異なる異常状態、インスタンス、あるいはデータポイントを検出する方法を記述する。
本稿では,産業生産における人工知能へのデータ中心のアプローチに寄与する。
論文 参考訳（メタデータ） (2022-09-21T08:14:34Z) - CARLA-GeAR: a Dataset Generator for a Systematic Evaluation of
Adversarial Robustness of Vision Models [61.68061613161187]
本稿では,合成データセットの自動生成ツールであるCARLA-GeARについて述べる。
このツールは、Python APIを使用して、CARLAシミュレータ上に構築されており、自律運転のコンテキストにおいて、いくつかのビジョンタスク用のデータセットを生成することができる。
本稿では,CARLA-GeARで生成されたデータセットが,現実世界の敵防衛のベンチマークとして今後どのように利用されるかを示す。
論文 参考訳（メタデータ） (2022-06-09T09:17:38Z) - Multi-Spectral Image Synthesis for Crop/Weed Segmentation in Precision
Farming [3.4788711710826083]
本稿では, 精密農業における作物・雑草の分枝化問題に適用し, 共通データ増分法に関する代替手法を提案する。
我々は、最も関連性の高いオブジェクトクラス(作物や雑草)を合成されたクラスに置き換えることで、半人工的なサンプルを作成する。
RGBデータに加えて、近赤外(NIR)情報も考慮し、4つのチャネルマルチスペクトル合成画像を生成する。
論文 参考訳（メタデータ） (2020-09-12T08:49:36Z)
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。