論文の概要: C2PSA-Enhanced YOLOv11 Architecture: A Novel Approach for Small Target Detection in Cotton Disease Diagnosis
- arxiv url: http://arxiv.org/abs/2508.12219v2
- Date: Tue, 19 Aug 2025 00:54:18 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-08-20 11:25:17.711516
- Title: C2PSA-Enhanced YOLOv11 Architecture: A Novel Approach for Small Target Detection in Cotton Disease Diagnosis
- Title（参考訳）: C2PSAによるYOLOv11アーキテクチャー : コットン病診断における小ターゲット検出のための新しいアプローチ
- Authors: Kaiyuan Wang, Jixing Liu, Xiaobo Cai,
- Abstract要約: 本研究は,綿病検出におけるYOLOv11の深層学習に基づく最適化について述べる。
移動配置システムにより,農業分野におけるリアルタイムの病害モニタリングと精密処理が可能となる。
- 参考スコア（独自算出の注目度）: 3.092042419611666
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This study presents a deep learning-based optimization of YOLOv11 for cotton disease detection, developing an intelligent monitoring system. Three key challenges are addressed: (1) low precision in early spot detection (35% leakage rate for sub-5mm2 spots), (2) performance degradation in field conditions (25% accuracy drop), and (3) high error rates (34.7%) in multi-disease scenarios. The proposed solutions include: C2PSA module for enhanced small-target feature extraction; Dynamic category weighting to handle sample imbalance; Improved data augmentation via Mosaic-MixUp scaling. Experimental results on a 4,078-image dataset show: mAP50: 0.820 (+8.0% improvement); mAP50-95: 0.705 (+10.5% improvement); Inference speed: 158 FPS. The mobile-deployed system enables real-time disease monitoring and precision treatment in agricultural applications.
- Abstract（参考訳）: 本研究は,綿病検出のためのYOLOv11の深層学習に基づく最適化を行い,インテリジェントモニタリングシステムを開発した。
1)早期発見における低精度(35%)、(2)フィールド条件における性能劣化(25%の精度低下)、(3)マルチディスリーズシナリオにおける高エラー率(34.7%)の3つの課題に対処する。
提案したソリューションには、小ターゲット機能抽出を向上するためのC2PSAモジュール、サンプル不均衡を処理するための動的カテゴリ重み付け、Mosaic-MixUpスケーリングによるデータ拡張がある。
4,078画像データセットの実験結果によると、mAP50: 0.820 (+8.0%改善)、mAP50-95: 0.705 (+10.5%改善)、推論速度: 158 FPSである。
移動配置システムにより,農業分野におけるリアルタイムの病害モニタリングと精密処理が可能となる。
関連論文リスト
- Lightweight Shrimp Disease Detection Research Based on YOLOv8n [0.0]
エビ病はエビ養殖における経済的損失の主な原因の1つである。
本稿では,YOLOv8nに基づく軽量ネットワークアーキテクチャを提案する。
論文 参考訳（メタデータ） (2025-07-03T06:38:55Z) - MS-YOLO: A Multi-Scale Model for Accurate and Efficient Blood Cell Detection [4.246758319242548]
本研究は, YOLOv11フレームワークに基づく血液細胞検出モデルであるマルチスケールYOLO (MS-YOLO) を提案する。
MS-YOLOは検出性能を高めるために3つの重要なアーキテクチャ革新を取り入れている。
論文 参考訳（メタデータ） (2025-06-04T14:02:24Z) - Improved YOLOv7 model for insulator defect detection [24.775038970508078]
本稿では,多型絶縁体欠陥検出のための改良型YOLOv7モデルを提案する。
提案したモデルでは,さまざまなパフォーマンス指標が拡張されている。
論文 参考訳（メタデータ） (2025-02-11T02:09:30Z) - Finetuning and Quantization of EEG-Based Foundational BioSignal Models on ECG and PPG Data for Blood Pressure Estimation [53.2981100111204]
光胸腺撮影と心電図は、連続血圧モニタリング(BP)を可能にする可能性がある。
しかし、データ品質と患者固有の要因の変化のため、正確で堅牢な機械学習(ML)モデルは依然として困難である。
本研究では,1つのモータリティで事前学習したモデルを効果的に利用して,異なる信号タイプの精度を向上させる方法について検討する。
本手法は, 拡張期BPの最先端精度を約1.5倍に向上し, 拡張期BPの精度を1.5倍に向上させる。
論文 参考訳（メタデータ） (2025-02-10T13:33:12Z) - Efficient Brain Tumor Classification with Lightweight CNN Architecture: A Novel Approach [0.0]
MRI画像を用いた脳腫瘍の分類は、早期かつ正確な検出が患者の予後に大きな影響を及ぼす医療診断において重要である。
近年のディープラーニング(DL)の進歩は将来性を示しているが、多くのモデルは精度と計算効率のバランスに苦慮している。
本稿では,分離可能な畳み込みと圧縮・励振ブロック(SEブロック)を統合した新しいモデルアーキテクチャを提案する。
論文 参考訳（メタデータ） (2025-02-01T21:06:42Z) - Breast Cancer Histopathology Classification using CBAM-EfficientNetV2 with Transfer Learning [0.0]
本研究では,EfficientNetV2モデルを用いて特徴抽出を改善し,関連組織領域に焦点を当てた新しいアプローチを提案する。
CBAMを搭載した効率の良いNetV2-XLは、最高精度99.01%、F1スコア98.31%を400倍の精度で達成した。
論文 参考訳（メタデータ） (2024-10-29T17:56:05Z) - MedDet: Generative Adversarial Distillation for Efficient Cervical Disc Herniation Detection [24.833129797776422]
頚椎椎間板ヘルニア(Cervical disc herniation, CDH)は、筋骨格障害の一種で、専門医による労働集約的な分析を必要とする。
医用画像の自動検出の進歩にもかかわらず、これらの手法のリアルタイム適用を妨げる2つの重要な課題がある。
MedDetは,モデル圧縮と効率向上のために,マルチ教師の単一学習知識蒸留を利用する。
最後に,CDH-1848データセットの総合的な実験を行い,従来の手法と比較して最大5%のmAP改善を実現した。
論文 参考訳（メタデータ） (2024-08-30T18:38:19Z) - Machine Learning for ALSFRS-R Score Prediction: Making Sense of the Sensor Data [44.99833362998488]
筋萎縮性側索硬化症(Amyotrophic Lateral Sclerosis、ALS)は、急速に進行する神経変性疾患である。
iDPP@CLEF 2024チャレンジを先導した今回の調査は,アプリから得られるセンサデータを活用することに焦点を当てている。
論文 参考訳（メタデータ） (2024-07-10T19:17:23Z) - AXIAL: Attention-based eXplainability for Interpretable Alzheimer's Localized Diagnosis using 2D CNNs on 3D MRI brain scans [43.06293430764841]
本研究では,3次元MRIを用いたアルツハイマー病診断の革新的手法を提案する。
提案手法では,2次元CNNがボリューム表現を抽出できるソフトアテンション機構を採用している。
ボクセルレベルの精度では、どの領域に注意が払われているかを同定し、これらの支配的な脳領域を同定する。
論文 参考訳（メタデータ） (2024-07-02T16:44:00Z) - COVID-19 Detection Using CT Image Based On YOLOv5 Network [31.848436570442704]
Kaggleプラットフォームが提供するデータセットと、モデルとしてYOLOv5を選択します。
本研究は,作業部における客観的検出手法について紹介する。
対物検出は、1段と2段の2つのストリームに分けることができる。
論文 参考訳（メタデータ） (2022-01-24T21:50:58Z)
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。