Fugu-MT 論文翻訳(概要): A Parameter-efficient Convolutional Approach for Weed Detection in Multispectral Aerial Imagery

論文の概要: A Parameter-efficient Convolutional Approach for Weed Detection in Multispectral Aerial Imagery

arxiv url: http://arxiv.org/abs/2603.06655v1
Date: Sat, 28 Feb 2026 15:49:16 GMT
ステータス: 翻訳完了
システム内更新日: 2026-03-10 15:13:12.598203
Title: A Parameter-efficient Convolutional Approach for Weed Detection in Multispectral Aerial Imagery
Title（参考訳）: マルチスペクトル空中画像における雑草検出のためのパラメータ効率の良い畳み込み手法
Authors: Leo Thomas Ramos, Angel D. Sappa,
Abstract要約: 雑草分割のための効率的なモデルであるFCBNetを紹介する。このアーキテクチャは、完全に凍結されたConvNeXtバックボーン、提案されている特徴補正ブロック(FCB)、軽量デコーダに基づいている。 FCBNetは、RGBとマルチスペクトルの両モードでWeedBananaCODとWeedMapのデータセットで評価される。
参考スコア（独自算出の注目度）: 0.7877961820015923
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: We introduce FCBNet, an efficient model designed for weed segmentation. The architecture is based on a fully frozen ConvNeXt backbone, the proposed Feature Correction Block (FCB), which leverages efficient convolutions for feature refinement, and a lightweight decoder. FCBNet is evaluated on the WeedBananaCOD and WeedMap datasets under both RGB and multispectral modalities, showing that FCBNet outperforms models such as U-Net, DeepLabV3+, SK-U-Net, SegFormer, and WeedSense in terms of mIoU, exceeding 85%, while also achieving superior computational efficiency, requiring only 0.06 to 0.2 hours for training. Furthermore, the frozen backbone strategy reduces the number of trainable parameters by more than 90%, significantly lowering memory requirements.
Abstract（参考訳）: 雑草分割のための効率的なモデルであるFCBNetを紹介する。アーキテクチャは完全なフリーズされたConvNeXtバックボーンをベースにしており、機能改善のために効率的な畳み込みを利用するFCB(Feature Correction Block)と軽量デコーダが提案されている。 FCBNetは、U-Net、DeepLabV3+、SK-U-Net、SegFormer、WeedSenseといったモデルを上回る性能を示し、mOoUでは85%を超え、訓練に0.06～0.2時間しか要しない。さらに、凍結したバックボーン戦略は、トレーニング可能なパラメータの数を90%以上削減し、メモリ要求を大幅に削減する。

関連論文リスト

Scaling Up 3D Kernels with Bayesian Frequency Re-parameterization for Medical Image Segmentation [25.62587471067468]
RepUX-Netは、単純な大きなカーネルブロック設計を持つ純粋なCNNアーキテクチャである。人間の視覚系における空間周波数にインスパイアされ、カーネル収束を要素的設定に変化させるよう拡張する。
論文参考訳（メタデータ） (2023-03-10T08:38:34Z)
Prompt Tuning for Parameter-efficient Medical Image Segmentation [79.09285179181225]
2つの医用画像データセットのセマンティックセグメンテーションにパラメータ効率が良いが効果的な適応を実現するために,いくつかのコントリビューションを提案し,検討する。我々はこのアーキテクチャを、オンライン生成プロトタイプへの割り当てに基づく専用密集型セルフスーパービジョンスキームで事前訓練する。得られたニューラルネットワークモデルにより、完全に微調整されたモデルとパラメータに適応したモデルとのギャップを緩和できることを実証する。
論文参考訳（メタデータ） (2022-11-16T21:55:05Z)
Searching for Network Width with Bilaterally Coupled Network [75.43658047510334]
この問題に対処するため、BCNet(Bilaterally Coupled Network)と呼ばれる新しいスーパーネットを導入する。 BCNetでは、各チャネルは高度に訓練され、同じ量のネットワーク幅を担っているため、ネットワーク幅をより正確に評価することができる。本稿では,Channel-Bench-Macroというマクロ構造に対するオープンソースのワイド・ベンチマークを提案し,ワイド・サーチ・アルゴリズムの比較を行った。
論文参考訳（メタデータ） (2022-03-25T15:32:46Z)
Efficient Context-Aware Network for Abdominal Multi-organ Segmentation [8.92337236455273]
腹腔内多臓器分画を効果的かつ効果的に行うための網羅的粗粒化フレームワークを開発した。デコーダモジュールでは、k*k*1のスライス内畳み込みと1*1*kのスライス間畳み込みによる異方性畳み込みが、負担を軽減するように設計されている。コンテキストブロックに対して、異方性と長距離のコンテキスト情報をキャプチャするためのストリッププーリングモジュールを提案する。
論文参考訳（メタデータ） (2021-09-22T09:05:59Z)
BCNet: Searching for Network Width with Bilaterally Coupled Network [56.14248440683152]
この問題に対処するため、BCNet(Bilaterally Coupled Network)と呼ばれる新しいスーパーネットを導入する。 BCNetでは、各チャネルは高度に訓練され、同じ量のネットワーク幅を担っているため、ネットワーク幅をより正確に評価することができる。提案手法は,他のベースライン手法と比較して,最先端あるいは競合的な性能を実現する。
論文参考訳（メタデータ） (2021-05-21T18:54:03Z)
MSCFNet: A Lightweight Network With Multi-Scale Context Fusion for Real-Time Semantic Segmentation [27.232578592161673]
マルチスケールコンテキスト融合スキーム(MSCFNet)を用いた新しい軽量ネットワークを考案する。提案されたMSCFNetは1.15Mパラメータのみを含み、71.9%のMean IoUを実現し、1つのTitan XP GPU構成で50 FPS以上で実行できる。
論文参考訳（メタデータ） (2021-03-24T08:28:26Z)
FastFlowNet: A Lightweight Network for Fast Optical Flow Estimation [81.76975488010213]
ディセンス光学フロー推定は、多くのロボットビジョンタスクで重要な役割を果たしています。現在のネットワークはしばしば多くのパラメータを占有し、計算コストがかかる。提案したFastFlowNetは、周知の粗大なやり方で、以下のイノベーションで機能する。
論文参考訳（メタデータ） (2021-03-08T03:09:37Z)
Distillation Guided Residual Learning for Binary Convolutional Neural Networks [83.6169936912264]
Binary CNN(BCNN)とFloating Point CNN(FCNN)のパフォーマンスギャップを埋めることは難しい。我々は,この性能差が,BCNNとFCNNの中間特徴写像の間にかなりの残差をもたらすことを観察した。性能ギャップを最小限に抑えるため,BCNN は FCNN と同様の中間特徴写像を生成する。このトレーニング戦略、すなわち、FCNNから派生したブロックワイド蒸留損失で各バイナリ畳み込みブロックを最適化することで、BCNNをより効果的に最適化する。
論文参考訳（メタデータ） (2020-07-10T07:55:39Z)
Grafted network for person re-identification [14.372506245952383]
畳み込みニューラルネットワークは、人物再同定(re-ID)において顕著な効果を示した本稿では,高精度根茎と軽量シオンをグラフトした新しいグラフトネットワーク(GraftedNet)を提案する。実験の結果、GraftedNetはランキング1で93.02%、85.3%、76.2%、mAPで81.6%、74.7%、71.6%を達成した。
論文参考訳（メタデータ） (2020-06-02T22:33:44Z)
Highly Efficient Salient Object Detection with 100K Parameters [137.74898755102387]
そこで我々は,段階内および複数ステージのマルチスケール機能を効率的に活用するために,フレキシブルな畳み込みモジュールであるOctoConv(gOctConv)を提案する。我々は、非常に軽量なモデル、すなわちCSNetを構築し、一般的なオブジェクト検出ベンチマークで、約0.2%(100k)の大規模モデルで同等のパフォーマンスを達成する。
論文参考訳（メタデータ） (2020-03-12T07:00:46Z)

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。