論文の概要: Few-Shot Hyperspectral Aphid Detection via FastGAN Synthetic Data Generation, Transformer-Based Classification and Explainable AI

• arxiv url: http://arxiv.org/abs/2606.21267v1
• Date: Fri, 19 Jun 2026 09:45:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-26 06:53:55.259588
• Title: Few-Shot Hyperspectral Aphid Detection via FastGAN Synthetic Data Generation, Transformer-Based Classification and Explainable AI
• Title（参考訳）: 高速GAN合成データ生成、トランスフォーマーに基づく分類、説明可能なAIによるFew-Shotハイパースペクトルアフィド検出
• Authors: Ali Saeidan,
• Abstract要約: FastGANは、健康およびアフィドに感染したサンプルを含むファバ豆葉の超スペクトルSIDデータセットを増強するために用いられた。 訓練された発電機は1万枚の合成画像を作成し、実際の試料の構造とスペクトル特性を保存した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Early detection of aphid infestation in crops is essential for preventing yield loss and reducing unnecessary pesticide use. Hyperspectral imaging combined with Spectral Information Divergence (SID) analysis offers a non-destructive approach for monitoring plant health; however, deep learning methods applied to hyperspectral data are often limited by small dataset sizes. In this study, a data-efficient generative adversarial network (FastGAN) was employed to augment a hyperspectral SID dataset of faba bean leaves containing healthy and aphid-infested samples. The trained generator produced 10,000 synthetic images preserving structural and spectral characteristics of real samples. Image quality was evaluated using Frechet Inception Distance (FID), demonstrating stable convergence and realistic reconstruction of leaf morphology and infestation patterns. The augmented dataset was used to train four classification architectures: VGG16, ResNet-50, EfficientNet, and Vision Transformer (ViT). Results showed that dataset augmentation significantly improved classification robustness, with performance progressively increasing from classical convolutional networks to transformer-based models. The ViT model achieved the highest accuracy and F1-scores, while EfficientNet provided strong balanced performance and ResNet-50 showed moderate improvements over VGG16. Confusion matrix analysis confirmed reduced false negatives and improved disease detection when using advanced architectures. The findings demonstrate that FastGAN-based augmentation effectively enhances hyperspectral plant disease classification and that transformer-based models provide the most reliable discrimination between healthy and infested leaves.
• Abstract（参考訳）: 作物におけるアフィド感染の早期検出は、収量減少を防ぎ、不要な殺虫剤の使用を減らすために不可欠である。 SID(Spectral Information Divergence)分析と組み合わせたハイパースペクトルイメージングは、植物の健康をモニタリングするための非破壊的なアプローチを提供するが、ハイパースペクトルデータに適用されたディープラーニング手法は、小さなデータセットサイズによって制限されることが多い。 本研究ではFastGANを用いて, 健康およびアフィド感染サンプルを含むファバ豆葉の高スペクトルSIDデータセットを増強した。 訓練された発電機は1万枚の合成画像を作成し、実際の試料の構造とスペクトル特性を保存した。 画像品質をFrechet Inception Distance (FID) を用いて評価し, 葉形態および寄生パターンの安定収束と現実的再構成を実証した。 拡張データセットは、VGG16、ResNet-50、EfficientNet、ViT(Vit)の4つの分類アーキテクチャのトレーニングに使用された。 その結果,従来の畳み込みネットワークからトランスフォーマーモデルへの移行により,データセットの強化により分類の堅牢性が大幅に向上した。 ViTモデルは最高精度とF1スコアを達成し、EfficientNetは強力なバランス性能を提供し、ResNet-50はVGG16よりも適度に改善された。 コンフュージョンマトリクス解析により, 偽陰性が減少し, 高度なアーキテクチャーを用いた疾患検出が向上した。 以上の結果から,FastGANをベースとした増量処理は,高スペクトル植物病の分類を効果的に促進し,トランスフォーマーをベースとしたモデルが,健康な葉と寄生葉の最も信頼性の高い識別を可能にすることが示唆された。

関連論文リスト

• Improving Combined Detection and Classification of TEM Defects via Mask-Conditioned Latent Diffusion Augmentation [2.471708266724695]
  マスク条件付き潜時拡散モデル(LDM)を用いた生成データ拡張手法を導入し,現実的なTEM画像を制御可能で自動ラベル付き欠陥マスクで合成する。 以上の結果から,F1スコアの高調波平均値が最大0.02向上し,モデル全体の性能が向上することが示唆された。
  論文  参考訳（メタデータ） (2026-06-01T17:38:47Z)
• Layout-Guided Controllable Pathology Image Generation with In-Context Diffusion Transformers [57.54843029965778]
  制御可能な病理画像合成には、空間配置、組織形態、意味的詳細の信頼できる規制が必要である。 In-Context Diffusion Transformer (IC-DiT) は,空間レイアウト,テキスト記述,視覚的埋め込みを統合拡散変換器に組み込んだレイアウト認識生成モデルである。 IC-DiTは既存の方法よりも忠実度が高く、空間制御性が強く、診断の整合性が良くなる。
  論文  参考訳（メタデータ） (2026-03-11T06:14:11Z)
• AgriPath: A Systematic Exploration of Architectural Trade-offs for Crop Disease Classification [45.52399819498234]
  本研究は、細粒度作物病分類のための3つのモデルパラダイムの体系的比較を示す。 我々は16の作物と41の病気にまたがる111kの画像を含むベンチマークであるAgriPath-LF16を紹介する。 CNNは画像の精度が最も高いが、ドメインシフトによって劣化する。 対照的なVLMは、競合するクロスドメイン性能を持つ堅牢でパラメータ効率の良い代替手段を提供する。
  論文  参考訳（メタデータ） (2026-03-08T17:28:01Z)
• SDTN and TRN: Adaptive Spectral-Spatial Feature Extraction for Hyperspectral Image Classification [1.2871580250533408]
  ハイパースペクトル画像分類は、精密農業において重要な役割を担い、作物の健康モニタリング、病気の検出、土壌分析に関する正確な洞察を提供する。 従来の手法は高次元データ、スペクトル空間の冗長性、ラベル付きサンプルの不足に悩まされ、しばしば準最適性能に繋がる。 これらの課題に対処するために,テンソル分解と正規化機構を組み合わせた自己適応正規化ネットワーク(SDTN)を提案し,テンソルランクを動的に調整する。 このアプローチは、高い分類精度を維持するだけでなく、計算の複雑さを大幅に減らし、リソース制約のある環境でのリアルタイムデプロイメントに非常に適している。
  論文  参考訳（メタデータ） (2025-07-13T04:53:33Z)
• AI-driven Web Application for Early Detection of Sudden Death Syndrome (SDS) in Soybean Leaves Using Hyperspectral Images and Genetic Algorithm [0.6871062584292211]
  Fusarium virguliformeによって引き起こされた突然死症候群(SDS)はダイズ生産に重大な脅威をもたらす。 本研究では,ダイズ葉のSDSの早期検出にハイパースペクトル画像を用いたAIによるWebアプリケーションを提案する。
  論文  参考訳（メタデータ） (2025-07-03T22:20:47Z)
• Comparative Analysis of Deep Learning Strategies for Hypertensive Retinopathy Detection from Fundus Images: From Scratch and Pre-trained Models [5.860609259063137]
  本稿では,眼底画像から高血圧性網膜症を検出するためのディープラーニング手法の比較分析を行った。 我々は、カスタムCNN、トレーニング済みトランスフォーマーベースモデルのスイート、AutoMLソリューションの3つの異なるアプローチについて検討する。
  論文  参考訳（メタデータ） (2025-06-14T13:11:33Z)
• Dataset Distillation for Histopathology Image Classification [46.04496989951066]
  病理画像データセット(Histo-DD)に適した新しいデータセット蒸留アルゴリズムを提案する。 提案アルゴリズムの有効性を総合的に評価し, パッチレベルとスライドレベルの両方の分類タスクにおいて, 組織学的サンプルを生成する。
  論文  参考訳（メタデータ） (2024-08-19T05:53:38Z)
• Comparative Analysis of Hyperspectral Image Reconstruction Using Deep Learning for Agricultural and Biological Applications [0.0]
  本研究では,RGB(赤,緑,青)画像からの深層学習に基づくハイパースペクトル画像再構成について検討した。 その結果, 農業・生物応用のための費用対効果・効率の高い品質評価ツールとして, 深層学習に基づくハイパースペクトル画像再構成が期待できることが明らかになった。
  論文  参考訳（メタデータ） (2024-05-22T04:20:30Z)
• DetDiffusion: Synergizing Generative and Perceptive Models for Enhanced Data Generation and Perception [78.26734070960886]
  現在の知覚モデルは、リソース集約的なデータセットに大きく依存している。 セグメンテーションを通じて知覚認識損失(P.A.損失)を導入し、品質と制御性の両方を改善した。 本手法は,世代間における知覚認識属性(P.A. Attr)の抽出と利用により,データ拡張をカスタマイズする。
  論文  参考訳（メタデータ） (2024-03-20T04:58:03Z)
• UAV-Sim: NeRF-based Synthetic Data Generation for UAV-based Perception [62.71374902455154]
  ニューラルレンダリングの最近の進歩を利用して、静的および動的ノベルビューUAVベースの画像レンダリングを改善する。 本研究では,主に実データと合成データのハイブリッドセットに基づいて最先端検出モデルが最適化された場合,性能が大幅に向上することを示す。
  論文  参考訳（メタデータ） (2023-10-25T00:20:37Z)

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。