論文の概要: Enhanced Fish Freshness Classification with Incremental Handcrafted Feature Fusion

• arxiv url: http://arxiv.org/abs/2510.17145v1
• Date: Mon, 20 Oct 2025 04:36:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-25 00:56:39.304292
• Title: Enhanced Fish Freshness Classification with Incremental Handcrafted Feature Fusion
• Title（参考訳）: インクリメンタルハンドクラフト機能融合による魚の鮮度分類
• Authors: Phi-Hung Hoang, Nam-Thuan Trinh, Van-Manh Tran, Thi-Thu-Hong Phan,
• Abstract要約: 魚の鮮度を評価するために手作りの特徴に基づくアプローチを提案する。 本手法は,全画像からグローバルな色変化を捉え,ROIセグメントから局所的な劣化を抽出する。 魚眼データセットの鮮度に関する実験は、アプローチの有効性を実証している。
• 参考スコア（独自算出の注目度）: 0.05599792629509228
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Accurate assessment of fish freshness remains a major challenge in the food industry, with direct consequences for product quality, market value, and consumer health. Conventional sensory evaluation is inherently subjective, inconsistent, and difficult to standardize across contexts, often limited by subtle, species-dependent spoilage cues. To address these limitations, we propose a handcrafted feature-based approach that systematically extracts and incrementally fuses complementary descriptors, including color statistics, histograms across multiple color spaces, and texture features such as Local Binary Patterns (LBP) and Gray-Level Co-occurrence Matrices (GLCM), from fish eye images. Our method captures global chromatic variations from full images and localized degradations from ROI segments, fusing each independently to evaluate their effectiveness in assessing freshness. Experiments on the Freshness of the Fish Eyes (FFE) dataset demonstrate the approach's effectiveness: in a standard train-test setting, a LightGBM classifier achieved 77.56% accuracy, a 14.35% improvement over the previous deep learning baseline of 63.21%. With augmented data, an Artificial Neural Network (ANN) reached 97.16% accuracy, surpassing the prior best of 77.3% by 19.86%. These results demonstrate that carefully engineered, handcrafted features, when strategically processed, yield a robust, interpretable, and reliable solution for automated fish freshness assessment, providing valuable insights for practical applications in food quality monitoring.
• Abstract（参考訳）: 魚の鮮度を正確に評価することは、食品産業において大きな課題であり、製品の品質、市場価値、消費者健康に直接影響する。 従来の感覚評価は、本質的に主観的であり、一貫性がなく、文脈にまたがる標準化が困難であり、しばしば微妙で種に依存した腐敗の手がかりによって制限される。 これらの制約に対処するため,魚眼画像から色統計,複数色空間のヒストグラム,LBP(Local Binary Patterns)やGLCM(Gray-Level Co-occurrence Matrices)などのテクスチャ特徴を含む補完的記述子を体系的に抽出し,段階的に融合する手作り特徴ベースアプローチを提案する。 本手法は,全画像からグローバルな色変化とROIセグメントからの局所的な劣化を抽出し,鮮度評価の有効性を独立に評価する。 魚眼の鮮度(FFE:Freshness of the Fish Eyes)データセットの実験では、アプローチの有効性が示されている: 標準の列車試験では、LightGBM分類器は77.56%の精度を獲得し、前回のディープラーニングベースラインの63.21%よりも14.35%改善した。 拡張データでは、ニューラルネットワーク(ANN)の精度は97.16%に達し、以前の最高値である77.3%を19.86%上回った。 これらの結果は,手工芸品を慎重に設計し,戦略的処理を行うと,魚の鮮度自動評価のための堅牢で解釈可能な信頼性の高いソリューションが得られ,食品品質モニタリングの実践的応用に有用な洞察を提供することを示した。

関連論文リスト

• Innovative Deep Learning Architecture for Enhanced Altered Fingerprint Recognition [0.0]
  DeepAFRNetは,歪んだ指紋サンプルをマッチングし,認識するディープラーニング認識モデルである。 このアプローチでは、VGG16バックボーンを使用して高次元の特徴とコサイン類似性を抽出し、埋め込みを比較する。 厳格なしきい値では、DeepAFRNetは96.7%、98.76パーセント、99.54パーセントを達成している。
  論文  参考訳（メタデータ） (2025-09-24T20:12:37Z)
• AQUA20: A Benchmark Dataset for Underwater Species Classification under Challenging Conditions [1.2289361708127877]
  本稿では,20種の海面画像8,171点からなる総合的なベンチマークデータセットであるAqua20を紹介する。 13種類の最先端ディープラーニングモデルを評価し, 課題条件下での海洋生物分類における性能評価を行った。 結果、ConvNeXtは98.82%、Top-1は90.69%、F1スコアは88.92%、パラメータサイズは適度に大きい。
  論文  参考訳（メタデータ） (2025-06-20T19:54:35Z)
• Contrastive Visual Data Augmentation [119.51630737874855]
  大規模なマルチモーダルモデル(LMM)は、訓練済みの知識に依存し、微妙な視覚的詳細を捉える能力に制限があるため、しばしば新しい概念を認識するのに苦労する。 本稿では,LMMの視覚的特徴と言語との整合性を改善するために,Contrastive visual Data Augmentation(CoDA)戦略を提案する。 CoDAは、認識されていない既知の概念に対して、ターゲット概念の重要な対照的なテキスト的特徴と視覚的特徴を抽出し、ターゲットとなる合成データを生成するために、マルチモーダル生成モデルを使用する。
  論文  参考訳（メタデータ） (2025-02-24T23:05:31Z)
• NVS-SQA: Exploring Self-Supervised Quality Representation Learning for Neurally Synthesized Scenes without References [55.35182166250742]
  我々は,NVS-SQAを提案する。NVS-SQAは,自己スーパービジョンを通じて,非参照品質表現を学習するための品質評価手法である。 従来の自己教師型学習は、主に"same instance, similar representation"仮定と広範なデータセットに依存している。 我々は、学習の効率と効率を改善するために、フォトリアリスティックな手がかりと品質スコアを学習目的として採用する。
  論文  参考訳（メタデータ） (2025-01-11T09:12:43Z)
• FISHing in Uncertainty: Synthetic Contrastive Learning for Genetic Aberration Detection [1.3373458503586262]
  既存のFISH画像分類手法は、信号のばらつきと本質的不確実性に起因する課題に直面している。 手動アノテーションの必要をなくすために合成画像を活用する新しい手法を提案する。 我々は,合成データに基づいて学習した手法の優れた一般化能力と不確実性を実証する。
  論文  参考訳（メタデータ） (2024-11-01T20:50:48Z)
• SLYKLatent: A Learning Framework for Gaze Estimation Using Deep Facial Feature Learning [0.0]
  SLYKLatentは、データセットの外観不安定性問題に対処することで、視線推定を向上するための新しいアプローチである。 SLYKLatentは、自己教師付き学習を使用して、表情データセットでの初期トレーニングを行い、その後、パッチベースのトリブランチネットワークで改善する。 ベンチマークデータセットの評価では、Gaze360が10.9%改善され、トップMPIIFaceGazeの3.8%に取って代わられ、ETH-XGazeのサブセットが11.6%向上した。
  論文  参考訳（メタデータ） (2024-02-02T16:47:18Z)
• To be Critical: Self-Calibrated Weakly Supervised Learning for Salient Object Detection [95.21700830273221]
  弱教師付き有色物体検出(WSOD)は,画像レベルのアノテーションを用いた有色度モデルの開発を目的としている。 擬似ラベルとネットワーク予測の相互校正ループを明確に設定し,自己校正学習戦略を提案する。 十分に整合したアノテーションを持つはるかに小さなデータセットであっても、モデルがより優れたパフォーマンスと一般化性を達成するのに役立ちます。
  論文  参考訳（メタデータ） (2021-09-04T02:45:22Z)
• Towards Reducing Labeling Cost in Deep Object Detection [61.010693873330446]
  本稿では,検知器の不確実性と頑健性の両方を考慮した,アクティブラーニングのための統一的なフレームワークを提案する。 提案手法は, 確率分布のドリフトを抑えながら, 極めて確実な予測を擬似ラベル化することができる。
  論文  参考訳（メタデータ） (2021-06-22T16:53:09Z)

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。