論文の概要: Towards Ancient Plant Seed Classification: A Benchmark Dataset and Baseline Model

• arxiv url: http://arxiv.org/abs/2512.18247v1
• Date: Sat, 20 Dec 2025 07:18:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-23 18:54:32.252452
• Title: Towards Ancient Plant Seed Classification: A Benchmark Dataset and Baseline Model
• Title（参考訳）: 古植物種子分類に向けて:ベンチマークデータセットとベースラインモデル
• Authors: Rui Xing, Runmin Cong, Yingying Wu, Can Wang, Zhongming Tang, Fen Wang, Hao Wu, Sam Kwong,
• Abstract要約: 我々は,最初の古植物種子画像分類データセットを構築した。 中国各地の18の遺跡から出土した17種の種または種レベルの種から8,340枚の画像が含まれている。 定量的および定性的な分析では、既存の最先端画像分類法を超越し、90.5%の精度を達成している。
• 参考スコア（独自算出の注目度）: 62.98256440452042
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Understanding the dietary preferences of ancient societies and their evolution across periods and regions is crucial for revealing human-environment interactions. Seeds, as important archaeological artifacts, represent a fundamental subject of archaeobotanical research. However, traditional studies rely heavily on expert knowledge, which is often time-consuming and inefficient. Intelligent analysis methods have made progress in various fields of archaeology, but there remains a research gap in data and methods in archaeobotany, especially in the classification task of ancient plant seeds. To address this, we construct the first Ancient Plant Seed Image Classification (APS) dataset. It contains 8,340 images from 17 genus- or species-level seed categories excavated from 18 archaeological sites across China. In addition, we design a framework specifically for the ancient plant seed classification task (APSNet), which introduces the scale feature (size) of seeds based on learning fine-grained information to guide the network in discovering key "evidence" for sufficient classification. Specifically, we design a Size Perception and Embedding (SPE) module in the encoder part to explicitly extract size information for the purpose of complementing fine-grained information. We propose an Asynchronous Decoupled Decoding (ADD) architecture based on traditional progressive learning to decode features from both channel and spatial perspectives, enabling efficient learning of discriminative features. In both quantitative and qualitative analyses, our approach surpasses existing state-of-the-art image classification methods, achieving an accuracy of 90.5%. This demonstrates that our work provides an effective tool for large-scale, systematic archaeological research.
• Abstract（参考訳）: 古代社会の食生活の嗜好と、時代や地域をまたいだ進化を理解することは、人間と環境の相互作用を明らかにするのに不可欠である。 種子は重要な考古学的遺物であり、考古学的研究の基本的な主題である。 しかし、伝統的な研究は専門家の知識に大きく依存しており、しばしば時間がかかり非効率である。 インテリジェントな分析手法は考古学の様々な分野で進歩してきたが、古植物学、特に古代植物種子の分類作業におけるデータと方法の研究のギャップは依然として残っている。 そこで我々は,最初の古植物種子画像分類(APS)データセットを構築した。 中国各地の18の遺跡から出土した17種の種または種レベルの種から8,340枚の画像が含まれている。 さらに,植物種子分類タスク(APSNet)に特化したフレームワークを設計し,粒度情報に基づいて種子のスケール特性(サイズ)を導入し,適切な分類のためのキー"エビデンス"を発見するためのネットワークのガイドを行う。 具体的には、エンコーダ部にSPE(Size Perception and Embedding)モジュールを設計し、きめ細かい情報を補完するためのサイズ情報を明示的に抽出する。 本稿では,従来のプログレッシブ・ラーニングに基づく非同期デカップリング・デコーディング(ADD)アーキテクチャを提案する。 定量的および定性的な分析では、既存の最先端画像分類法を超越し、90.5%の精度を達成している。 これは我々の研究が大規模で体系的な考古学研究に有効なツールであることを実証している。

関連論文リスト

• Machine learning applications in archaeological practices: a review [0.0]
  1997年から2022年にかけて135の論文をレビューした。 自動構造検出とアーティファクト分類が最も顕著なタスクであった。 使用した機械学習手法の要件や注意点が不十分な場合もありました。
  論文  参考訳（メタデータ） (2025-01-07T14:50:05Z)
• A Closer Look at Deep Learning Methods on Tabular Datasets [78.61845513154502]
  広い範囲にまたがる300以上のデータセットの集合であるTALENTについて広範な研究を行った。 我々の評価では、アンサンブルは木に基づくアプローチとニューラルアプローチの両方に効果があることが示されている。
  論文  参考訳（メタデータ） (2024-07-01T04:24:07Z)
• Multi-Granularity Archaeological Dating of Chinese Bronze Dings Based on a Knowledge-Guided Relation Graph [5.359415272318481]
  現在の考古学は、青銅年代測定を行うための訓練された専門家に依存している。 先進的な深層学習技術と考古学的知識を統合するための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） (2023-03-27T14:54:50Z)
• Semantic Segmentation of Vegetation in Remote Sensing Imagery Using Deep Learning [77.34726150561087]
  本稿では,公開されているリモートセンシングデータからなるマルチモーダル・大規模時間データセットを作成するためのアプローチを提案する。 我々は、異なる種類の植生を分離できる畳み込みニューラルネットワーク(CNN)モデルを使用する。
  論文  参考訳（メタデータ） (2022-09-28T18:51:59Z)
• Geo-Spatiotemporal Features and Shape-Based Prior Knowledge for Fine-grained Imbalanced Data Classification [63.916371837696396]
  細粒度分類は、類似のグローバル知覚とパターンを持つ項目を区別することを目的としているが、細部によって異なる。 私たちの主な課題は、小さなクラス間バリエーションと大きなクラス内バリエーションの両方から来ています。 我々は,野生生物の利用事例における細粒度分類を改善するため,いくつかの革新を組み合わせることを提案する。
  論文  参考訳（メタデータ） (2021-03-21T02:01:38Z)
• A Survey on Text Classification: From Shallow to Deep Learning [83.47804123133719]
  過去10年は、ディープラーニングが前例のない成功を収めたために、この分野の研究が急増している。 本稿では,1961年から2021年までの最先端のアプローチを見直し,そのギャップを埋める。 特徴抽出と分類に使用されるテキストとモデルに基づいて,テキスト分類のための分類を作成する。
  論文  参考訳（メタデータ） (2020-08-02T00:09:03Z)
• Two-View Fine-grained Classification of Plant Species [66.75915278733197]
  本研究では,2視点の葉のイメージ表現に基づく新しい手法と,植物種の粒度認識のための階層的分類戦略を提案する。 シームズ畳み込みニューラルネットワークに基づく深度測定は、多数のトレーニングサンプルへの依存を減らし、新しい植物種に拡張性を持たせるために用いられる。
  論文  参考訳（メタデータ） (2020-05-18T21:57:47Z)

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。