論文の概要: LeafInst - Unified Instance Segmentation Network for Fine-Grained Forestry Leaf Phenotype Analysis: A New UAV based Benchmark

• arxiv url: http://arxiv.org/abs/2603.03616v1
• Date: Wed, 04 Mar 2026 01:01:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-05 21:29:15.138639
• Title: LeafInst - Unified Instance Segmentation Network for Fine-Grained Forestry Leaf Phenotype Analysis: A New UAV based Benchmark
• Title（参考訳）: LeafInst-Unified Instance Segmentation Network for Fine-Grained Forestry Leaf Phenotype Analysis: A new UAV based Benchmark
• Authors: Taige Luo, Junru Xie, Chenyang Fan, Bingrong Liu, Ruisheng Wang, Yang Shao, Sheng Xu, Lin Cao,
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 10.61947524568352
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Intelligent forest tree breeding has advanced plant phenotyping, yet existing research largely focuses on large-leaf agricultural crops, with limited attention to fine-grained leaf analysis of sapling trees in open-field environments. Natural scenes introduce challenges including scale variation, illumination changes, and irregular leaf morphology. To address these issues, we collected UAV RGB imagery of field-grown saplings and constructed the Poplar-leaf dataset, containing 1,202 branches and 19,876 pixel-level annotated leaf instances. To our knowledge, this is the first instance segmentation dataset specifically designed for forestry leaves in open-field conditions. We propose LeafInst, a novel segmentation framework tailored for irregular and multi-scale leaf structures. The model integrates an Asymptotic Feature Pyramid Network (AFPN) for multi-scale perception, a Dynamic Asymmetric Spatial Perception (DASP) module for irregular shape modeling, and a dual-residual Dynamic Anomalous Regression Head (DARH) with Top-down Concatenation decoder Feature Fusion (TCFU) to improve detection and segmentation performance. On Poplar-leaf, LeafInst achieves 68.4 mAP, outperforming YOLOv11 by 7.1 percent and MaskDINO by 6.5 percent. On the public PhenoBench benchmark, it reaches 52.7 box mAP, exceeding MaskDINO by 3.4 percent. Additional experiments demonstrate strong generalization and practical utility for large-scale leaf phenotyping.
• Abstract（参考訳）: 知的森林の育種は植物の表現型化が進んでいるが、既存の研究は主に大型のリーフ農作物に焦点を合わせており、オープンフィールド環境下でのサパリング樹木の微細な葉の分析に限られている。 自然のシーンには、スケールの変化、照明の変化、不規則な葉の形態などが含まれる。 これらの問題に対処するため,UAV RGB画像を収集し,1,202の枝と19,876ピクセルのアノテートリーフインスタンスを含むPoplar-leafデータセットを構築した。 我々の知る限り、これはオープンフィールド条件下で森林の葉用に特別に設計された最初の事例セグメンテーションデータセットである。 本稿では,不規則かつ多スケールな葉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LeafInstを提案する。 このモデルは、マルチスケール知覚のための漸近的特徴ピラミッドネットワーク(AFPN)、不規則形状モデリングのための動的非対称空間知覚(DASP)モジュール、およびTop-down Concatenation Decoder Feature Fusion(TCFU)と二重残留動的異常回帰ヘッド(DARH)を統合し、検出とセグメンテーション性能を向上させる。 Poplar-leafでは、LeafInstは68.4 mAPを獲得し、YOLOv11を7.1%、MaskDINOを6.5%上回っている。 公開PhenoBenchベンチマークでは52.7ボックスのmAPに達し、MaskDINOを3.4%上回っている。 さらなる実験により、大規模な葉の表現に強力な一般化と実用性が示された。

関連論文リスト

• Fast Inference of Visual Autoregressive Model with Adjacency-Adaptive Dynamical Draft Trees [50.230925890958936]
  本稿では,隣接するトークン状態と先行受入率を活用することで,ドラフトツリーの深さと幅を調整できる適応型動的ドラフトツリーを提案する。 ADT-Treeは、それぞれ3.13xと3.05xのスピードアップを実現し、LANTERNのような緩やかなサンプリング手法とシームレスに統合する。
  論文  参考訳（メタデータ） (2025-12-26T04:45:49Z)
• Mapping and Classification of Trees Outside Forests using Deep Learning [1.0518862318418603]
  森林外樹(TOF)は、生物多様性を支援し、炭素を隔離し、微小気候を規制することによって、農業の景観において重要な役割を担っている。 ドイツの4つの農業景観から新たに生成されたデータセットと高解像度の空中画像を用いて,TOF分類のためのディープラーニングの評価を行った。
  論文  参考訳（メタデータ） (2025-10-29T07:37:19Z)
• Bringing SAM to new heights: Leveraging elevation data for tree crown segmentation from drone imagery [68.69685477556682]
  現在のモニタリング手法には、大規模なコスト、時間、労力を必要とする地上計測が含まれる。 ドローンのリモートセンシングとコンピュータビジョンは、広範囲の航空画像から個々の木をマッピングする大きな可能性を秘めている。 高解像度ドローン画像におけるツリークラウンインスタンスの自動セグメンテーションのためのセグメンテーションモデル(SAM)を用いた手法の比較を行った。 また,デジタルサーフェスモデル(DSM)情報を用いたモデルへの標高データの統合についても検討した。
  論文  参考訳（メタデータ） (2025-06-05T12:43:11Z)
• A Novel WaveInst-based Network for Tree Trunk Structure Extraction and Pattern Analysis in Forest Inventory [2.793797265684592]
  本研究では、離散ウェーブレット変換を含む新しいWaveInstインスタンスセグメンテーションフレームワークを提案し、ツリー構造抽出を改善する。 提案モデルの実験結果から,SynthTree43k,CaneTree100,Urban Street,PoplarDatasetの性能が向上した。 提案手法は, 成熟樹と若葉樹の構造抽出における平均精度を49.6および24.3とし, 既存手法を9.9倍に上回った。
  論文  参考訳（メタデータ） (2025-05-03T02:19:55Z)
• 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)
• ForensicsForest Family: A Series of Multi-scale Hierarchical Cascade Forests for Detecting GAN-generated Faces [53.739014757621376]
  我々は,GAN生成顔を検出するために,EmforensicsForest Familyと呼ばれる簡易かつ効果的な森林法について述べる。 ForenscisForestは、新しく提案された多層階層のカスケード林である。 Hybrid ForensicsForestはCNNレイヤをモデルに統合する。 Divide-and-Conquer ForensicsForestは、トレーニングサンプリングの一部のみを使用して、森林モデルを構築することができる。
  論文  参考訳（メタデータ） (2023-08-02T06:41:19Z)
• DilateFormer: Multi-Scale Dilated Transformer for Visual Recognition [62.95223898214866]
  我々は,視覚変換器の有効性を探究し,参加する受容領域の計算複雑性とサイズとのトレードオフを追求する。 ピラミッドアーキテクチャを用いて,MSDAブロックを低レベルに積み重ねたマルチスケールDilated Transformer (DilateFormer) と,高レベルにグローバルなマルチヘッド自己保持ブロックを構築する。 実験の結果,DilateFormerは様々な視覚タスクで最先端のパフォーマンスを実現していることがわかった。
  論文  参考訳（メタデータ） (2023-02-03T14:59:31Z)
• A Deep Learning Generative Model Approach for Image Synthesis of Plant Leaves [62.997667081978825]
  我々は,高度深層学習(DL)技術を用いて,人工葉画像の自動生成を行う。 我々は、現代の作物管理のためのAIアプリケーションのためのトレーニングサンプルのソースを処分することを目指している。
  論文  参考訳（メタデータ） (2021-11-05T10:53:35Z)
• An Effective Leaf Recognition Using Convolutional Neural Networks Based Features [1.137457877869062]
  本稿では,葉の認識に有効な手法を提案する。 葉はいくつかの前処理を経て、精製された色画像、静脈像、xy投影ヒストグラム、手作りの形状、テクスチャの特徴、フーリエディスクリプタを抽出する。 これらの属性は、サポートベクターマシン(SVM)モデルを使用して異なる葉を分類する前に、ニューラルネットワークベースのエンコーダによってより良い表現に変換される。
  論文  参考訳（メタデータ） (2021-08-04T02:02:22Z)
• Instance segmentation of fallen trees in aerial color infrared imagery using active multi-contour evolution with fully convolutional network-based intensity priors [0.5276232626689566]
  画像のセグメンテーションマップ上での複数のアクティブな輪郭進化により、共通オブジェクトクラスのインスタンスをセグメンテーションするフレームワークを導入する。 高分解能空中多スペクトル画像から個々の落下茎を分割する文脈で提案されたフレームワークをインスタンス化する。
  論文  参考訳（メタデータ） (2021-05-05T11:54:05Z)
• 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。