論文の概要: Vines-DB: An RGB image dataset for multi-species ornamental vine segmentation

• arxiv url: http://arxiv.org/abs/2606.18484v1
• Date: Tue, 16 Jun 2026 20:52:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-18 17:16:50.898578
• Title: Vines-DB: An RGB image dataset for multi-species ornamental vine segmentation
• Title（参考訳）: Vines-DB:多種分枝分類のためのRGB画像データセット
• Authors: Saroj Burlakoti, Utsav Bhandari, Aaron Etienne, Shital Poudyal,
• Abstract要約: Vines-DBデータセットには、ユタ州ローガンにあるユタ農業試験場(英語版)のグリーンビル研究農場(英語版)のフィールド条件下で収集された7種の装飾用ブドウ種の1,218個の高解像度RGB画像が含まれている。 写真はiPhone 16 Proで撮影され、朝10時から午後12時の間に48MPのカメラが搭載された。ウイルスは1.2m×2.4mのトレライズで成長し、黒か白のスチロールの背景から1mの距離から撮影され、コントラストを改善し、背景雑音を低減する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The Vines-DB dataset contains 1,218 original high-resolution RGB images of seven ornamental vine species collected under field conditions at the Utah Agricultural Experiment Station's Greenville Research Farm in Logan, Utah, USA. The dataset was generated from 168 individual vine plants that were transplanted in 2022 and photographed repeatedly across multiple months during the 2023 and 2024 growing seasons (July-October). Images were captured with an iPhone 16 Pro equipped with a 48 MP camera between 10:00 AM and 12:00 PM under daylight. Vines were grown on 1.2m x 2.4m trellises and photographed from a distance of 1m against black or white Styrofoam backdrops to improve contrast and reduce background noise. The dataset includes Akebia quinata, Campsis radicans, Hydrangea anomala petiolaris, Lonicera x heckrottii, Campsis x tagliabuana 'Madame Galen', Parthenocissus quinquefolia, and Wisteria floribunda. All original images were manually annotated in Roboflow by trained annotators to produce polygon-based instance segmentation masks for eight classes, including seven species and background. After preprocessing and data augmentation, the working dataset was expanded to 2,307 images for model development and evaluation. The augmented dataset was divided into 2,019 training images, 192 validation images, and 96 test images using stratified sampling to maintain balanced representation. Vines-DB supports the development and evaluation of deep learning models for multi-class instance segmentation in precision horticulture and urban ecology. The dataset enables applications such as automated canopy cover estimation, species identification, and scalable field phenotyping. In addition, repeated monthly imaging of the plants captures temporal variation in canopy development and plant appearance, increasing the dataset's utility for segmentation benchmarking under realistic field conditions.
• Abstract（参考訳）: Vines-DBデータセットには、ユタ州ローガンにあるユタ農業試験場(英語版)のグリーンビル研究農場(英語版)のフィールド条件下で収集された7種の装飾用ブドウ種の1,218個の高解像度RGB画像が含まれている。 このデータセットは、2022年に移植され、2023年と2024年の生育期(7月～10月)に何ヶ月にもわたって撮影された168の個別のブドウから生成される。 撮影はiPhone 16 Proに48MPカメラを搭載し、昼間の午前10時から午後12時の間に行われた。 ウイルスは1.2m×2.4mのトレリスで成長し、コントラストを改善し、背景雑音を低減するために、黒または白のスチロフォーム背景に対して1mの距離から撮影された。 このデータセットには、Akebia quinata、Campsis radicans、Hydrangea anomala petiolaris、Lonicera x heckrottii、Campsis x tagliabuana 'Madame Galen'、Parthenocissus quinquefolia、Wisteria floribundaが含まれる。 オリジナルの画像はすべて、訓練されたアノテータによってRoboflowに手動でアノテートされ、7つの種と背景を含む8つのクラスでポリゴンベースのインスタンスセグメンテーションマスクを生成した。 プレプロセスとデータ拡張の後、モデルの開発と評価のために作業データセットを2,307イメージに拡張した。 データセットを2,019個のトレーニング画像,192個の検証画像,96個のテスト画像に分割し,バランスの取れた表現を維持した。 Vines-DBは、精密園芸と都市生態学における多クラスインスタンスセグメンテーションのためのディープラーニングモデルの開発と評価を支援する。 このデータセットは、自動キャノピーカバー推定、種識別、スケーラブルなフィールド表現などのアプリケーションを可能にする。 さらに、月毎の植物画像は、天蓋の発達と植物出現の時間的変動を捉え、現実的なフィールド条件下でのセグメンテーションベンチマークのためのデータセットの有用性を増大させる。

関連論文リスト

• USU-Corn-WeedDB: A UAV RGB Image Dataset for Multi-Species Weed Detection in Forage Corn [0.0]
  USU-Corn-WeedDBはユタ州キャッシュバレーの商業用飼料トウモロコシ畑から収集されたUAV RGBイメージデータセットである。 Redroot pigweedは53.86%のアノテーション付きインスタンスを構成しており、これは故意に実地条件を反映するために保存された。
  論文  参考訳（メタデータ） (2026-06-04T20:51:41Z)
• An RGB-D Image Dataset for Lychee Detection and Maturity Classification for Robotic Harvesting [20.028328464541456]
  ライチー(Lychee)は、高価値の亜熱帯の果実である。 視覚に基づく収穫ロボットの採用は生産性を著しく向上させる。 現在、一貫して包括的なアノテートされたオープンソースのlycheeデータセットは存在しない。
  論文  参考訳（メタデータ） (2025-10-19T11:47:20Z)
• SICKLE: A Multi-Sensor Satellite Imagery Dataset Annotated with Multiple Key Cropping Parameters [3.5212817105808627]
  SICKLEと呼ばれるファースト・オブ・ザ・キンドのデータセットを導入する。 ランドサット8、センチネル1、センチネル2の3つの異なる衛星からの多重解像度画像の時系列を構成する。 我々はSICKLEを作物の種類、作物の表現学(播種、移植、収穫)、収量予測の3つのタスクでベンチマークした。
  論文  参考訳（メタデータ） (2023-11-29T21:20:58Z)
• HarvestNet: A Dataset for Detecting Smallholder Farming Activity Using Harvest Piles and Remote Sensing [50.4506590177605]
  HarvestNetは、2020-2023年のエチオピアのティグレイとアムハラの農場の存在をマッピングするためのデータセットである。 本研究は,多くの小作システムの特徴ある収穫杭の検出に基づく新しい手法を提案する。 本研究は, 農作物のリモートセンシングが, 食品の安全地帯において, よりタイムリーかつ正確な農地評価に寄与することが示唆された。
  論文  参考訳（メタデータ） (2023-08-23T11:03:28Z)
• End-to-end deep learning for directly estimating grape yield from ground-based imagery [53.086864957064876]
  本研究は, ブドウ畑の収量推定に深層学習と併用した近位画像の応用を実証する。 オブジェクト検出、CNN回帰、トランスフォーマーモデルという3つのモデルアーキテクチャがテストされた。 本研究は,ブドウの収量予測における近位画像と深層学習の適用性を示した。
  論文  参考訳（メタデータ） (2022-08-04T01:34:46Z)
• GrowliFlower: An image time series dataset for GROWth analysis of cauLIFLOWER [2.8247971782279615]
  この記事では、2020年と2021年に取得した0.39と0.60haの2つの監視されたカリフラワーフィールドのイメージベースUAV時系列データセットであるGrowliFlowerについて述べる。 このデータセットは、約14,000個の植物座標が導出され提供されるRGBおよび多スペクトル正光を含む。 このデータセットは、発生段階、植物、カリフラワーサイズを含む740種の植物の表現型形質を収集する。
  論文  参考訳（メタデータ） (2022-04-01T08:56:59Z)
• Presenting an extensive lab- and field-image dataset of crops and weeds for computer vision tasks in agriculture [0.9623578875486183]
  機械学習とコンピュータビジョンモデルのトレーニングに適したラベル付き植物画像の大規模なデータセットを2つ提示する。 最初のデータセットは、カナディアン・プレーリーズや多くのアメリカの州に共通する、屋内で栽培された作物や雑草の120万枚以上の画像を書いた日である。 第2のデータセットは、農地で撮影された植物の54万枚以上の画像で構成されている。
  論文  参考訳（メタデータ） (2021-08-12T15:06:32Z)
• The Semi-Supervised iNaturalist-Aves Challenge at FGVC7 Workshop [42.02670649470055]
  本稿では,CVPR 2020のFGVC7ワークショップにおいて,半教師付き認識課題として収集した新たなデータセットの詳細と動機について述べる。 データセットには、iNat-2018データセットから採取された1000種の鳥が含まれており、合計で150万枚近い画像がある。
  論文  参考訳（メタデータ） (2021-03-11T20:21:16Z)
• 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)
• 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。