論文の概要: FruitProM-V2: Robust Probabilistic Maturity Estimation and Detection of Fruits and Vegetables

• arxiv url: http://arxiv.org/abs/2604.26084v1
• Date: Tue, 28 Apr 2026 19:47:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-30 15:59:36.157644
• Title: FruitProM-V2: Robust Probabilistic Maturity Estimation and Detection of Fruits and Vegetables
• Title（参考訳）: FruitProM-V2: 果実・野菜のロバスト確率的成熟度推定と検出
• Authors: Rahul Harsha Cheppally, Sidharth Rai, Sudan Baral, Benjamin Vail, Ajay Sharda,
• Abstract要約: 視覚に基づく成熟度推定は、通常、多クラス分類タスクとして定式化される。 成熟度を潜在連続変数としてモデル化し,分布検出ヘッドを用いて確率的に予測する。 提案された定式化は、清潔なラベルの下で標準検出器に匹敵する性能を維持しつつ、不確実性を表現している。
• 参考スコア（独自算出の注目度）: 0.4824146370043408
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Accurate fruit maturity identification is essential for determining harvest timing, as incorrect assessment directly affects yield and post-harvest quality. Although ripening is a continuous biological process, vision-based maturity estimation is typically formulated as a multi-class classification task, which imposes sharp boundaries between visually similar stages. To examine this limitation, we perform an annotation reliability study with two independent annotators on a held-out tomato dataset and observe disagreement concentrated near adjacent maturity stages. Motivated by this observation, we model maturity as a latent continuous variable and predict it probabilistically using a distributional detection head, converting the distribution into class probabilities through the cumulative distribution function (CDF). The proposed formulation maintains comparable performance to a standard detector under clean labels while better representing uncertainty. Furthermore, when controlled label noise is introduced during training, the probabilistic model demonstrates improved robustness relative to the baseline, indicating that explicitly modeling maturity uncertainty leads to more reliable visual maturity estimation.
• Abstract（参考訳）: 正確な果実成熟度同定は収穫時期を決定するのに不可欠であり、不正確な評価は収穫量や収穫後の品質に直接影響を及ぼす。 熟成は連続的な生物学的過程であるが、視覚に基づく成熟度推定は通常、多クラス分類タスクとして定式化され、視覚的に類似した段階の間に鋭い境界が課される。 そこで,本研究では,2つの独立アノテータによるトマトデータセット上のアノテーション信頼度調査を行い,隣接する成熟段階に集結した不一致を観察した。 この観測により,成熟度を潜在連続変数としてモデル化し,分布検出ヘッドを用いて確率的に予測し,累積分布関数(CDF)を介して分布をクラス確率に変換する。 提案された定式化は、清潔なラベルの下で標準検出器に匹敵する性能を維持しつつ、不確実性を表現している。 さらに、トレーニング中にラベルノイズが制御されると、確率モデルにより、ベースラインに対する堅牢性が向上し、明らかに成熟度の不確かさがより信頼性の高い視覚的成熟度推定をもたらすことを示す。

関連論文リスト

• FruitProm: Probabilistic Maturity Estimation and Detection of Fruits and Vegetables [0.4824146370043408]
  果実や野菜の成熟度推定は農業の自動化にとって重要な課題であり、収穫予測やロボット収穫に直接影響を及ぼす。 現在のディープラーニングアプローチは、成熟度を個別の分類問題(例えば、未熟、熟、過熟)として主に扱う。 本稿では,現在最先端のリアルタイム物体検出器RT-DETRv2に,専用の確率的頭部を導入することで,新たなアーキテクチャ変更を提案する。 このヘッドは、検出対象ごとの成熟度スペクトルの連続分布を予測し、同時に平均成熟度状態とその関連する不確かさを学習する。
  論文  参考訳（メタデータ） (2025-10-28T18:39:03Z)
• Robust Probabilistic Model Checking with Continuous Reward Domains [1.7829696876801548]
  本稿では,離散時間マルコフ連鎖における連続と離散の報酬分布を扱う新しい手法を提案する。 本手法は,真の分布の統計的特性を保ちながら,理論的に有界な誤差で報酬分布を近似する。
  論文  参考訳（メタデータ） (2025-02-06T22:03:18Z)
• Soybean Maturity Prediction using 2D Contour Plots from Drone based Time Series Imagery [5.604868960444558]
  植物育種プログラムは、適切な試験において、正確な選択とエントリの配置のために成熟までの日数を評価する必要がある。 伝統的に、育種品種の成熟度評価は、育種者が手動でフィールドを検査し、成熟度を視覚的に評価することを含む。 本研究では,UAVを用いた時系列画像を用いた大豆成熟度評価のための機械学習モデルを開発した。
  論文  参考訳（メタデータ） (2024-12-12T19:23:50Z)
• Mitigating LLM Hallucinations via Conformal Abstention [70.83870602967625]
  我々は,大言語モデルが一般ドメインでの応答をいつ無視すべきかを決定するための,原則化された手順を開発する。 我々は、幻覚率(エラー率)の厳密な理論的保証の恩恵を受けるため、共形予測手法を活用して、禁忌手順を開発する。 実験によって得られた共形禁忌法は, 種々の閉書, オープンドメイン生成質問応答データセットに, 幻覚率を確実に拘束する。
  論文  参考訳（メタデータ） (2024-04-04T11:32:03Z)
• Modeling the Uncertainty with Maximum Discrepant Students for Semi-supervised 2D Pose Estimation [57.17120203327993]
  半教師付きポーズ推定タスクにおける擬似ラベルの品質を推定する枠組みを提案する。 提案手法は,3つのデータセットに対する半教師付きポーズ推定の性能を向上させる。
  論文  参考訳（メタデータ） (2023-11-03T08:11:06Z)
• Score Matching-based Pseudolikelihood Estimation of Neural Marked Spatio-Temporal Point Process with Uncertainty Quantification [59.81904428056924]
  我々は、不確実な定量化を伴うmarkPsを学習するためのスコアMAtching推定器であるSMASHを紹介する。 具体的には,スコアマッチングによるマークPsの擬似的類似度を推定することにより,正規化自由度を推定する。 提案手法の優れた性能は、事象予測と不確実性定量化の両方において広範な実験によって実証される。
  論文  参考訳（メタデータ） (2023-10-25T02:37:51Z)
• Prediction under Latent Subgroup Shifts with High-Dimensional Observations [30.433078066683848]
  遅延シフト適応を用いたグラフィカルモデルにおける新しい予測手法を提案する。 RPMの新規な形態は、ソース環境における因果潜伏構造を特定し、ターゲットの予測に適切に適応する。
  論文  参考訳（メタデータ） (2023-06-23T12:26:24Z)
• Adapting to Continuous Covariate Shift via Online Density Ratio Estimation [64.8027122329609]
  分散シフトへの対処は、現代の機械学習における中心的な課題の1つだ。 歴史的情報を適切に再利用するオンライン手法を提案する。 我々の密度比推定法は, ダイナミックなリセットバウンドを楽しむことにより, 良好に動作できることが証明された。
  論文  参考訳（メタデータ） (2023-02-06T04:03:33Z)
• Exploring Self-Attention for Crop-type Classification Explainability [17.310545382937292]
  本稿では,作物型分類のための標準変圧器エンコーダの注目重みの説明力を体系的に評価する新しい説明可能性フレームワークを提案する。 以上の結果から,注目パターンは重要な日付と強く関連していることが示唆された。
  論文  参考訳（メタデータ） (2022-10-24T12:36:40Z)
• Dense Uncertainty Estimation via an Ensemble-based Conditional Latent Variable Model [68.34559610536614]
  我々は、アレータリック不確実性はデータの固有の特性であり、偏見のないオラクルモデルでのみ正確に推定できると論じる。 そこで本研究では,軌道不確実性推定のためのオラクルモデルを近似するために,列車時の新しいサンプリングと選択戦略を提案する。 以上の結果から,提案手法は精度の高い決定論的結果と確実な不確実性推定の両方を達成できることが示唆された。
  論文  参考訳（メタデータ） (2021-11-22T08:54:10Z)
• The Hidden Uncertainty in a Neural Networks Activations [105.4223982696279]
  ニューラルネットワークの潜在表現の分布は、アウト・オブ・ディストリビューション(OOD)データの検出に成功している。 本研究は、この分布が、モデルの不確実性と相関しているかどうかを考察し、新しい入力に一般化する能力を示す。
  論文  参考訳（メタデータ） (2020-12-05T17:30:35Z)

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。