論文の概要: Adaptive Hybrid Optimizer based Framework for Lumpy Skin Disease Identification

• arxiv url: http://arxiv.org/abs/2601.01807v1
• Date: Mon, 05 Jan 2026 05:35:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-06 16:25:22.77624
• Title: Adaptive Hybrid Optimizer based Framework for Lumpy Skin Disease Identification
• Title（参考訳）: ランピー皮膚疾患同定のための適応型ハイブリッドオプティマイザに基づくフレームワーク
• Authors: Ubaidullah, Muhammad Abid Hussain, Mohsin Raza Jafri, Rozi Khan, Moid Sandhu, Abd Ullah Khan, Hyundong Shin,
• Abstract要約: ランピー皮膚病(Lumpy Skin Disease、LSD)は、家畜の健康を著しく悪化させる伝染性ウイルス感染症である。 我々はLSDの早期検出のためのLUMPNetと呼ばれるハイブリッドディープラーニングベースのアプローチを提案する。
• 参考スコア（独自算出の注目度）: 7.019136804433663
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Lumpy Skin Disease (LSD) is a contagious viral infection that significantly deteriorates livestock health, thereby posing a serious threat to the global economy and food security. Owing to its rapid spread characteristics, early and precise identification is crucial to prevent outbreaks and ensure timely intervention. In this paper, we propose a hybrid deep learning-based approach called LUMPNet for the early detection of LSD. LUMPNet utilizes image data to detect and classify skin nodules -- the primary indicator of LSD. To this end, LUMPNet uses YOLOv11, EfficientNet-based CNN classifier with compound scaling, and a novel adaptive hybrid optimizer. More precisely, LUMPNet detects and localizes LSD skin nodules and lesions on cattle images. It exploits EfficientNet to classify the localized cattle images into LSD-affected or healthy categories. To stabilize and accelerate the training of YOLOv11 and EfficientNet hybrid model, a novel adaptive hybrid optimizer is proposed and utilized. We evaluate LUMPNet at various stages of LSD using a publicly available dataset. Results indicate that the proposed scheme achieves 99% LSD detection training accuracy, and outperforms existing schemes. The model also achieves validation accuracy of 98%. Moreover, for further evaluation, we conduct a case study using an optimized EfficientNet-B0 model trained with the AdamW optimizer, and compare its performance with LUMPNet. The results show that LUMPNet achieves superior performance.
• Abstract（参考訳）: ランピー皮膚病(Lumpy Skin Disease、LSD)は、伝染性ウイルス感染症であり、家畜の健康を著しく悪化させ、世界経済と食料安全保障に深刻な脅威をもたらす。 急激な拡散特性のため、早期かつ正確な識別はアウトブレイクを予防し、タイムリーな介入を確保するために不可欠である。 本稿では,LSDの早期検出のためのLUMPNetと呼ばれるハイブリッドな深層学習手法を提案する。 LUMPNetは画像データを使って皮膚の結節を検出し分類する。 この目的のためにLUMPNetは、YOLOv11、EfficientNetベースの複合スケーリング付きCNN分類器、新しい適応型ハイブリッドオプティマイザを使用する。 より正確には、LUMPNetは乳牛の画像のLSD皮膚結節と病変を検出し、位置を特定する。 EfficientNetを利用して、ローカライズされた牛のイメージをLSDまたは健康なカテゴリに分類する。 YOLOv11とEfficientNetハイブリッドモデルのトレーニングを安定化・高速化するために,新しい適応型ハイブリッドオプティマイザを提案し,利用した。 LUMPNetを利用可能なデータセットを用いてLSDの様々な段階で評価する。 その結果,提案手法は99%のLSD検出訓練精度を達成し,既存のスキームよりも優れていた。 また、検証精度は98%である。 さらに,AdamWオプティマイザを用いて学習した最適化されたEfficientNet-B0モデルを用いてケーススタディを行い,LUMPNetと比較した。 その結果,LUMPNetは優れた性能を示した。

関連論文リスト

• IntrusionX: A Hybrid Convolutional-LSTM Deep Learning Framework with Squirrel Search Optimization for Network Intrusion Detection [0.4549831511476248]
  侵入検知システム(IDS)は、NSL-KDDのようなベンチマークデータセットにおいて、サイバー攻撃の進化、高次元トラフィックデータ、厳しいクラス不均衡により、永続的な課題に直面している。 IntrusionXは,局所的特徴抽出のための畳み込みニューラルネットワーク(CNN)と時間的モデリングのためのLong Short-Term Memory(LSTM)ネットワークを統合したハイブリッドディープラーニングフレームワークである。 パイプラインには厳密な前処理,階層化データ分割,動的クラス重み付けが組み込まれ,レアクラスの検出が促進される。
  論文  参考訳（メタデータ） (2025-10-01T06:51:25Z)
• A Stable Whitening Optimizer for Efficient Neural Network Training [99.7641280234926]
  アルゴリズムのシャンプー系をベースとして,3つの重要な問題を同定・緩和し,SPlus法を提案する。 まず,行列逆が長期にわたってキャッシュされる場合,素早いシャンプーは分岐しがちであることがわかった。 第二に、ネットワーク幅をまたいで学習率の伝達を可能にするために、形状認識スケーリングを適用する。 第3に,高い学習率によってパラメータノイズが大きくなり,より高速な学習をブロックする簡単な反復学習方式を提案する。
  論文  参考訳（メタデータ） (2025-06-08T18:43:31Z)
• DeepSeqCoco: A Robust Mobile Friendly Deep Learning Model for Detection of Diseases in Cocos nucifera [0.0]
  ココナッツの木病は、特に発展途上国において、農業生産にとって深刻なリスクである。 DeepSeqCocoは、ココナッツツリーイメージからの正確かつ自動的な疾患識別のためのディープラーニングベースのモデルである。
  論文  参考訳（メタデータ） (2025-05-15T07:25:43Z)
• Panacea: Mitigating Harmful Fine-tuning for Large Language Models via Post-fine-tuning Perturbation [58.7395356511539]
  有害な微調整攻撃は、微調整サービスに重大なセキュリティリスクをもたらす。 主流防衛は、後の有害な微調整攻撃がより効果的でないように、モデルを予防接種することを目的としている。 微調整後のモデルに適用可能な適応的摂動を最適化するパナセアを提案する。
  論文  参考訳（メタデータ） (2025-01-30T02:47:09Z)
• Hybrid Preferences: Learning to Route Instances for Human vs. AI Feedback [87.37721254914476]
  我々はHyPERを紹介した。HyPERは、人間または言語モデル(LM)にアノテーションを付与するハイブリッド推論ルータである。 その結果,HyPERを用いた人工選好と直接選好の混合は,RewardBenchでは7-13%しか使用せず,RM性能が向上していることがわかった。 また、HyPERの機能を分析した結果、安全上の懸念や複雑さが人間のフィードバックから最も恩恵を受けていることがわかりました。
  論文  参考訳（メタデータ） (2024-10-24T20:04:15Z)
• LHU-Net: a Lean Hybrid U-Net for Cost-efficient, High-performance Volumetric Segmentation [4.168081528698768]
  ボリューム医療画像分割のためのリーンハイブリッドU-NetであるLHU-Netを提案する。 LHU-Netは、チャンネルの特徴を洗練する前に空間的特徴抽出を優先し、効率と精度の両方を最適化する。 Synapse、Left Atrial、BraTS-Decathlon、Lung-Decathlonの4つのベンチマークデータセットによる評価
  論文  参考訳（メタデータ） (2024-04-07T22:58:18Z)
• An Effective Networks Intrusion Detection Approach Based on Hybrid Harris Hawks and Multi-Layer Perceptron [47.81867479735455]
  本稿では,Harris Hawks Optimization (HHO) を用いた多層パーセプトロン学習のための侵入検知システムを提案する。 HHO-MLPは、ネットワークの侵入検出エラーを最小限に抑えるため、学習プロセスにおいて最適なパラメータを選択することを目的としている。 HHO-MLPは、93.17%の精度、95.41%の感度、95.41%の特異度でトップスコアを獲得することで、優れた性能を示した。
  論文  参考訳（メタデータ） (2024-02-21T06:25:50Z)
• EfficientPose: Efficient Human Pose Estimation with Neural Architecture Search [47.30243595690131]
  効率的なバックボーンと効率的なヘッドの2つの部分を含む、人間のポーズ推定を目的とした効率的なフレームワークを提案します。 我々の最小モデルは、MPIIで88.1%のPCKh@0.5の0.65 GFLOPしか持たず、我々の大モデルは2 GFLOPしか持たないが、その精度は最先端の大型モデルと競合する。
  論文  参考訳（メタデータ） (2020-12-13T15:38:38Z)

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。