論文の概要: Machine learning applied to emerald gemstone grading: framework proposal and creation of a public dataset

• arxiv url: http://arxiv.org/abs/2605.23777v1
• Date: Fri, 22 May 2026 15:43:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-25 17:29:20.4171
• Title: Machine learning applied to emerald gemstone grading: framework proposal and creation of a public dataset
• Title（参考訳）: Emerald gemstone gradingに応用された機械学習 - フレームワークの提案と公開データセットの作成
• Authors: FB Pena, D Crabi, Sandro C Izidoro, Érick O Rodrigues, G Bernardes,
• Abstract要約: 宝石の格付けは現在、宝石学者による手作業である。 本研究は,画像の取得と最終石の分類を行うための完全な枠組みを提案する。 提案手法は98%の精度(正確に分類された石)を達成し,ディープラーニング手法よりも優れている。
• 参考スコア（独自算出の注目度）: 1.1083289076967895
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: The grading of gemstones is currently a manual procedure performed by gemologists. A popular approach uses reference stones, where those are visually inspected by specialists that decide which one of the available reference stone is the most similar to the inspected stone. This procedure is very subjective as different specialists may end up with different grading choices. This work proposes a complete framework that entails the image acquisition and goes up to the final stone categorization. The proposal is able to automate the entire process apart from including the stone in the created chamber for the image acquisition. It discards the subjective decisions made by specialists. This is the first work to propose a machine learning approach coupled with image processing techniques for emerald grading. The proposed framework achieves 98% of accuracy (correctly categorized stones), outperforming a deep learning approach. Furthermore, we also create and publish the used dataset that contains 192 images of emerald stones along with their extracted and pre-processed features.
• Abstract（参考訳）: 宝石の格付けは現在、宝石学者による手作業である。 一般的なアプローチは、参照石を使用し、それらのうちどれが検査された石と最もよく似ているかを決める専門家によって視覚的に検査される。 この手順は非常に主観的であり、異なる専門家が異なる段階の選択を下す可能性がある。 本研究は,画像の取得と最終石の分類を行うための完全な枠組みを提案する。 この提案は、画像取得のために生成されたチャンバーに石を含めることとは別に、プロセス全体を自動化することができる。 専門家による主観的な決定を破棄する。 これは、エメラルドグレーディングのための画像処理技術と組み合わせた機械学習アプローチを提案する最初の試みである。 提案手法は98%の精度(正確に分類された石)を達成し,ディープラーニング手法よりも優れている。 さらに,エメラルド石の192枚の画像と,抽出および前処理した特徴を含む使用済みデータセットを作成し,公開する。

関連論文リスト

• Probabilistic Inference and Learning with Stein's Method [20.20761757901659]
  この本は、確率論的推論とスタインの手法による学習の理論的および方法論的側面の概要を提供する。 シュタイン作用素とスタイン集合との差分を構築するためのレシピが提供される。 スタイン作用素とスタイン変分勾配勾配の接続は詳細に設定される。
  論文  参考訳（メタデータ） (2026-03-08T05:09:27Z)
• Towards Automated Petrography [3.131620829073277]
  ペトログラフィー(英: Petrography)は、岩石の鉱物学的組成を分析する地質学の分野である。 LITHOS(Large-scale Imaging and Thin section Optical-polarization Set)は、自動ペトログラフィーのための、最大かつ最も多種多様な実験フレームワークである。 LITHOSには、偏光の211,604個の高分解能RGBパッチと、25の鉱物カテゴリにわたる105,802個のエキスパートアノテート穀物が含まれている。
  論文  参考訳（メタデータ） (2025-11-01T00:15:18Z)
• Deep mineralogical segmentation of thin section images based on QEMSCAN maps [34.92366371606116]
  本研究は,炭酸塩岩の薄片画像の自動鉱物学的セグメンテーションのための畳み込みニューラルネットワークモデルを提案する。 このモデルは、QEMSCANマッピング自体を低コストで一般化された効率的な方法で模倣することができる。 特に固形組織上での鉱物境界の適切な線引きについて有望な結果を示す。
  論文  参考訳（メタデータ） (2025-05-22T17:58:34Z)
• From colouring-in to pointillism: revisiting semantic segmentation supervision [48.637031591058175]
  本稿では,意味的セグメンテーションアノテーションに対するポジリスト的アプローチを提案する。 Open Imagesデータセットで4,171のクラスに2260万のポイントラベルを収集してリリースしました。
  論文  参考訳（メタデータ） (2022-10-25T16:42:03Z)
• Boosting Kidney Stone Identification in Endoscopic Images Using Two-Step Transfer Learning [0.8431877864777444]
  提案手法は,CCDカメラで取得した腎臓結石の画像に基づいて得られた知識を,内視鏡画像から画像を分類する最終モデルに伝達する。 その結果、類似した情報を持つ異なる領域からの学習特徴が、実環境における分類を行うモデルの性能向上に有効であることが示唆された。
  論文  参考訳（メタデータ） (2022-10-24T23:22:22Z)
• Scrape, Cut, Paste and Learn: Automated Dataset Generation Applied to Parcel Logistics [58.720142291102135]
  4つのステップでインスタンスセグメンテーションのための合成データセットを生成するために,完全に自動化されたパイプラインを提案する。 まず、人気のある画像検索エンジンから興味ある対象の画像を抽出する。 画像選択には,オブジェクトに依存しない事前処理,手動画像選択,CNNに基づく画像選択の3つの方法を比較する。
  論文  参考訳（メタデータ） (2022-10-18T12:49:04Z)
• A Generalist Framework for Panoptic Segmentation of Images and Videos [61.61453194912186]
  我々は,タスクの帰納バイアスに頼ることなく,離散的なデータ生成問題としてパノプティクスセグメンテーションを定式化する。 単純な構造と一般的な損失関数を持つパノスコープマスクをモデル化するための拡散モデルを提案する。 本手法は,動画を(ストリーミング環境で)モデル化し,オブジェクトのインスタンスを自動的に追跡することを学ぶ。
  論文  参考訳（メタデータ） (2022-10-12T16:18:25Z)
• MudrockNet: Semantic Segmentation of Mudrock SEM Images through Deep Learning [0.0]
  本稿では,GoogleのDeepLab-v3+アーキテクチャに基づく深層学習SEMセグメンテーションモデルMudrockNetを提案する。 訓練された深層学習モデルは、約90%の画素精度を取得し、試験データの予測値は、銀粒の0.6591と毛穴の0.6642の平均交点(IoU)を得た。
  論文  参考訳（メタデータ） (2021-02-05T19:38:44Z)
• RetrieveGAN: Image Synthesis via Differentiable Patch Retrieval [76.87013602243053]
  本稿では,シーン記述からイメージを抽出したパッチを参照として合成する,識別可能な検索モジュールを提案する。 提案手法が現実的かつ多様な画像を生成可能であることを示すため,広範に定量的かつ定性的な実験を行った。
  論文  参考訳（メタデータ） (2020-07-16T17:59:04Z)
• From ImageNet to Image Classification: Contextualizing Progress on Benchmarks [99.19183528305598]
  ImageNet作成プロセスにおける特定の設計選択が、結果のデータセットの忠実性に与える影響について検討する。 私たちの分析では、ノイズの多いデータ収集パイプラインが、結果のベンチマークと、それがプロキシとして機能する実世界のタスクとの間に、体系的なミスアライメントをもたらす可能性があることを指摘しています。
  論文  参考訳（メタデータ） (2020-05-22T17:39:16Z)
• Distilling Localization for Self-Supervised Representation Learning [82.79808902674282]
  コントラスト学習は教師なし表現学習に革命をもたらした。 現在のコントラストモデルでは、前景オブジェクトのローカライズには効果がない。 本稿では,背景変化を学習するためのデータ駆動型手法を提案する。
  論文  参考訳（メタデータ） (2020-04-14T16:29:42Z)

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。