論文の概要: BAWSeg: A UAV Multispectral Benchmark for Barley Weed Segmentation

• arxiv url: http://arxiv.org/abs/2603.01932v1
• Date: Mon, 02 Mar 2026 14:49:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-03 19:50:56.915953
• Title: BAWSeg: A UAV Multispectral Benchmark for Barley Weed Segmentation
• Title（参考訳）: BAWSeg: 麦雑草セグメンテーションのためのUAVマルチスペクトルベンチマーク
• Abstract要約: そこで本研究では,2ストリーム分割ネットワークをネイティブ解像度で,放射能キューと正規化インデックスキューとを融合する。 植生インデックスとスペクトルアテンションは、植生インデックスマップの窓付き自己アテンションで動作する。 植生指数と分光アテンションは75.6%のmIoUと63.5%の雑草IoUを22.8Mパラメータで達成し、多スペクトルのSegFormer-B1ベースラインを1.2mIoUと1.9の雑草IoUで上回っている。
• 参考スコア（独自算出の注目度）: 31.004130414489698
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Accurate weed mapping in cereal fields requires pixel-level segmentation from UAV imagery that remains reliable across fields, seasons, and illumination. Existing multispectral pipelines often depend on thresholded vegetation indices, which are brittle under radiometric drift and mixed crop--weed pixels, or on single-stream CNN and Transformer backbones that ingest stacked bands and indices, where radiance cues and normalized index cues interfere and reduce sensitivity to small weed clusters embedded in crop canopies. We propose VISA (Vegetation-Index and Spectral Attention), a two-stream segmentation network that decouples these cues and fuses them at native resolution. The radiance stream learns from calibrated five-band reflectance using residual spectral-spatial attention to preserve fine textures and row boundaries that are attenuated by ratio indices. The index stream operates on vegetation-index maps with windowed self-attention to model local structure efficiently, state-space layers to propagate field-scale context without quadratic attention cost, and Slot Attention to form stable region descriptors that improve discrimination of sparse weeds under canopy mixing. To support supervised training and deployment-oriented evaluation, we introduce BAWSeg, a four-year UAV multispectral dataset collected over commercial barley paddocks in Western Australia, providing radiometrically calibrated blue, green, red, red edge, and near-infrared orthomosaics, derived vegetation indices, and dense crop, weed, and other labels with leakage-free block splits. On BAWSeg, VISA achieves 75.6% mIoU and 63.5% weed IoU with 22.8M parameters, outperforming a multispectral SegFormer-B1 baseline by 1.2 mIoU and 1.9 weed IoU. Under cross-plot and cross-year protocols, VISA maintains 71.2% and 69.2% mIoU, respectively. The BAWSeg data, VISA code, and trained models will be released upon publication.
• Abstract（参考訳）: シリアルフィールドにおける正確な雑草マッピングには、フィールド、季節、照明に信頼性のあるUAV画像からのピクセルレベルのセグメンテーションが必要である。 既存のマルチスペクトルパイプラインは、ラジオメトリックドリフトと混合作物雑草の画素の下で脆く、または、積み重ねられたバンドやインデックスを摂取するシングルストリームCNNとトランスフォーマーのバックボーンに依存することが多い。 本稿では,VISA(Vegetation-Index and Spectral Attention)を提案する。 レイディアンスストリームは、残差スペクトル空間的注意を用いて校正された5バンド反射率から学習し、比指標によって減衰する微細なテクスチャと行境界を保存する。 インデックスストリームは、局所構造を効率的にモデル化するためのウィンドウ付き自己注意付き植生インデックスマップ、二次的注意コストを伴わずにフィールドスケールコンテキストを伝播する状態空間層、および、キャノピー混合下での雑草の識別を改善する安定した領域記述子を形成するスロットアテンションを運用する。 オーストラリア西部の商業用大麦パドックで収集された4年間のUAVマルチスペクトルデータセットであるBAWSegを導入する。 BAWSegでは、VISAは75.6% mIoUと63.5% weed IoUを22.8Mパラメータで達成し、マルチスペクトルのSegFormer-B1ベースラインを1.2 mIoUと1.9 weed IoUで上回っている。 クロスプロットプロトコルとクロス年プロトコルでは、VISAはそれぞれ71.2%と69.2% mIoUを維持している。 BAWSegのデータ、VISAコード、およびトレーニングされたモデルは、公開時にリリースされる。

関連論文リスト

• Cut-ViT: Task-Specific Model Pruning via Gram Anchoring Subspace Consistency [71.81785123423516]
  そこで本稿では,視覚基盤モデルのプルーニングのためのタスク固有のプルーニングパイプラインであるCut-ViTを提案する。 基底非依存および残留制約は、ネイティブモデルとプルーニングされたDINOv3モデルのグラム部分空間を整列するために採用される。 実験によると、Cut-ViTは1つのA100 GPU上で1分程度必要であり、様々な範囲で作業を行うことができる。
  論文  参考訳（メタデータ） (2026-08-28T11:25:36Z)
• Multi-Scale ViT Inference with Habitat-Fit Priors and kNN Retrieval for Multi-Species Plant Identification [0.04014524824655105]
  本稿では,DS@GT ARCの植物4乗画像における多種植物同定におけるPlantCLEF 2026チャレンジに対する3位ソリューションについて述べる。 パイプラインは細調整されたDINOv2 ViT-L/14分類器を中心に構築され、各四角形のマルチスケールタイル分解に適用される。 選択されたエントリーは、0.43902(3位、パブリック0.51096)のプライベートリーダーボードマクロF1に達する。
  論文  参考訳（メタデータ） (2026-07-16T02:47:38Z)
• Viking Hill Dataset: A Lidar-Radar-Camera Dataset for Detection and Segmentation in Forest Scenes [19.50568056035419]
  我々は,高分解能FMCWイメージングレーダ,ライダー,RGBカメラ,IMU,RTK-GNSSを備えた移動ロボットによって収集されたマルチセンサフォレストデータセットを紹介する。 我々はMinkowskiUNetを用いたレーダーとライダー点雲のセマンティックセグメンテーションのためのベースライン結果を提供する。 クロスモダリティ解析ではライダーとレーダトランクのセグメンテーションをRGB検出モデルと比較し、直径成層評価により、トランクセグメンテーションの品質が木の大きさによってどのように変化するかを明らかにする。
  論文  参考訳（メタデータ） (2026-06-17T14:58:00Z)
• A Modelling and Evaluation Framework for EuroCrops-Driven Sentinel-2 Crop Segmentation [78.66324246922831]
  本研究では,Sentinel-2イメージとEuroCropsパーセルレベルのアノテーションからセマンティックセグメンテーション対応農業データセットを生成するパイプラインを提案する。 このデータセットには、ヨーロッパ5カ国から67,337のパッチが含まれており、10種類の作物と背景の分類を減らしている。 The four-level U-Net with Group Normalization were training using 10 Sentinel-2 spectrum bands and a Composite loss with class-weighted cross-entropy and Dice loss。
  論文  参考訳（メタデータ） (2026-05-30T11:20:29Z)
• FLORO: A Multimodal Geospatial Foundation Model for Ecological Remote Sensing Across Sensors and Scales [65.4821703903285]
  FLOROは、小さなが高度に多様なリモートセンシングコーパスから転送可能な表現を学習するために設計されたマルチモーダル基礎モデルである。 FLOROは、Sentinel-1、Sentinel-2、SkySAT画像、標高、UAV由来のデータとの不均一な組み合わせによるマスク付きオートエンコーディングを用いて事前訓練される。 我々は、シーン分類、セグメンテーション、回帰タスクにまたがる凍結エンコーダプロトコルを用いて、PANGAEAベンチマーク上でFLOROを評価した。
  論文  参考訳（メタデータ） (2026-05-27T08:55:54Z)
• Towards UAV Detection in the Real World: A New Multispectral Dataset UAVNet-MS and a New Method [80.50361258830928]
  UAVNet-MSは、微小UAV検出のための最初のマルチスペクトルデータセットである。 本稿では、アレイ誘起パララックスと空間-スペクトル融合に対処するデュアルストリームベースラインであるMFDNetを提案する。 この研究は、基礎的なデータセット、強力なベースライン、マルチスペクトルUAV監視研究のためのベンチマークを提供する。
  論文  参考訳（メタデータ） (2026-05-20T09:49:04Z)
• Semantic Landmark Particle Filter for Robot Localisation in Vineyards [1.1077058391970922]
  平行な作物列は、ほぼ同じLiDAR観測を発生させ、幾何学のみのSLAM系と視覚ベースのSLAM系が間違った回廊に収束する。 本稿では,トランクおよびポールランドマーク検出を2次元LiDARと統合したセマンティックランドマーク粒子フィルタを提案する。
  論文  参考訳（メタデータ） (2026-03-11T14:57:14Z)
• LeafInst - Unified Instance Segmentation Network for Fine-Grained Forestry Leaf Phenotype Analysis: A New UAV based Benchmark [10.61947524568352]
  リーフインスト(LeafInst)は、不規則で多スケールな葉の構造に適した新しいセグメンテーションフレームワークである。 68.4 mAPを達成し、YOLOv11を7.1%、MaskDinoを6.5%上回っている。
  論文  参考訳（メタデータ） (2026-03-04T01:01:57Z)
• Manual Labelling Artificially Inflates Deep Learning-Based Segmentation Performance on RGB Images of Closed Canopy: Validation Using TLS [0.0]
  フィールドベースの森林在庫に依存する伝統的な方法は、労働集約的であり、空間的範囲に限られている。 我々は、地上レーザー走査(TLS)データから、ボレアルと地中海の森林のドローン画像の高忠実性検証ラベルを生成する。 我々は、広く使われている2つのディープラーニングITCセグメンテーションモデル、DeepForest (RetinaNet) と Detectree2 (マスクR-CNN) の性能を評価する。 両モデルとも, 樹冠木に制限された場合でも, 厳密なIoUしきい値において, 局所化精度が極めて低かった。
  論文  参考訳（メタデータ） (2025-03-18T14:09:00Z)
• Multi-Domain Biometric Recognition using Body Embeddings [51.36007967653781]
  身体埋め込みは中波長赤外線(MWIR)領域と長波長赤外線(LWIR)領域の顔埋め込みよりも優れていた。 我々は、IJB-MDFデータセット上でのベンチマーク結果を確立するために、ビジョントランスフォーマーアーキテクチャを活用している。 また, クロスエントロピーとトリプルト損失の単純な組み合わせで, VISデータにのみ事前訓練された体モデルを微調整することで, 最先端のmAPスコアが得られることを示す。
  論文  参考訳（メタデータ） (2025-03-13T22:38:18Z)
• Multispectral Remote Sensing for Weed Detection in West Australian Agricultural Lands [3.6284577335311563]
  オーストラリア西部のコンディニン地域は、広範囲にわたる雑草の寄生による農業上の大きな課題に直面しており、経済的損失と生態学的影響を引き起こしている。 本研究は, 精密農業の実践を促進するため, 雑草検出のための多スペクトルリモートセンシングフレームワークを構築した。 無人航空機は、4年間にわたって2つの実験領域から生のマルチスペクトルデータを収集するために用いられ、0.6046 km2をカバーし、地上の真実の注釈は、手動で雑草や作物をラベル付けするためにGPS対応車両で作成された。
  論文  参考訳（メタデータ） (2025-02-12T07:01:42Z)
• Unsupervised deep learning for semantic segmentation of multispectral LiDAR forest point clouds [1.6633665061166945]
  本研究では,高密度レーザー走査点雲の葉木分離のための教師なし深層学習手法を提案する。 GrowSP-ForMS の平均精度は84.3%、mIoU平均交点は69.6%であった。
  論文  参考訳（メタデータ） (2025-02-10T07:58:49Z)
• Vision Transformers, a new approach for high-resolution and large-scale mapping of canopy heights [50.52704854147297]
  分類(離散化)と連続損失関数を最適化した新しい視覚変換器(ViT)モデルを提案する。 このモデルは、従来使用されていた畳み込みベースのアプローチ(ConvNet)よりも、連続損失関数のみで最適化された精度が向上する。
  論文  参考訳（メタデータ） (2023-04-22T22:39:03Z)
• Evaluation of the potential of Near Infrared Hyperspectral Imaging for monitoring the invasive brown marmorated stink bug [53.682955739083056]
  BMSB(Halyomorpha halys)は、数種の作物を害する世界的重要性の害虫である。 本研究は、BMSB検体を検出する技術として、NIR-HSI(Near Infrared Hyperspectral Imaging)を実験室レベルで予備評価する。
  論文  参考訳（メタデータ） (2023-01-19T11:37:20Z)
• A multiscale spatiotemporal approach for smallholder irrigation detection [0.0]
  本稿では,植生の多次元衛星画像を利用した灌水検出手法を提案する。 本手法は,エチオピア高地,ティグレイ,アムハラの2つの州において,小規模の灌水量を検出するために適用された。
  論文  参考訳（メタデータ） (2022-02-09T02:50:42Z)
• A Multi-Stage model based on YOLOv3 for defect detection in PV panels based on IR and Visible Imaging by Unmanned Aerial Vehicle [65.99880594435643]
  本研究では,無人航空機が捉えた空中画像のパネル欠陥を検出するための新しいモデルを提案する。 このモデルは、パネルと欠陥の検出を組み合わせることで、精度を向上する。 提案モデルはイタリア南部の2つの大きなPVプラントで検証されている。
  論文  参考訳（メタデータ） (2021-11-23T08:04:32Z)
• A CNN Approach to Simultaneously Count Plants and Detect Plantation-Rows from UAV Imagery [56.10033255997329]
  畳み込みニューラルネットワーク(CNN)を用いた新しい深層学習手法を提案する。 高度に乾燥したプランテーション構成を考慮した植物を数えながら、同時にプランテーション・ロウを検出し、配置する。 提案手法は、異なる種類の作物のUAV画像において、植物と植物をカウントおよびジオロケートするための最先端の性能を達成した。
  論文  参考訳（メタデータ） (2020-12-31T18:51:17Z)
• Ensemble Hyperspectral Band Selection for Detecting Nitrogen Status in Grape Leaves [0.22499166814992436]
  本研究の目的は、高スペクトルデータを用いたアンサンブル特徴選択を用いて、ブドウ葉の窒素検出のためのスペクトルバンドの最適セットを同定することであった。 パイプラインは0.45%未満のバンドをブドウの窒素状態について最も有益なものとして同定した。 提案したパイプラインは、農業以外の分野におけるアプリケーション固有のマルチスペクトルセンサー設計にも使用することができる。
  論文  参考訳（メタデータ） (2020-10-08T19:09:10Z)

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。