Fugu-MT 論文翻訳(概要): Cotton-SF YOLO: Learning Structural and Frequency Cues for Early Cotton Square Detection in Complex Field Environments

論文の概要: Cotton-SF YOLO: Learning Structural and Frequency Cues for Early Cotton Square Detection in Complex Field Environments

arxiv url: http://arxiv.org/abs/2607.14445v1
Date: Thu, 16 Jul 2026 00:40:59 GMT
ステータス: 翻訳完了
システム内更新日: 2026-07-17 17:01:32.939223
Title: Cotton-SF YOLO: Learning Structural and Frequency Cues for Early Cotton Square Detection in Complex Field Environments
Title（参考訳）: Cotton-SF YOLO:複雑なフィールド環境における初期コットン正方形検出のための構造と周波数キューの学習
Abstract要約: 自然界条件下での綿の正方形検出のための YOLO26m, Cotton-SF YOLO をベースとしたフレームワークを提案する。小型で不規則な綿の正方形境界の認識を改善するため, 検出器にダイナミック・スネーク・コンボリューションを導入する。スペクトル強調をC2f構造に組み込んだ周波数領域特徴変調モジュールを設計する。
参考スコア（独自算出の注目度）: 9.484378703945314
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Cotton squares are important phenotypic indicators of the early reproductive growth of cotton, and automatic field detection of cotton squares provides an important basis for cotton growth monitoring and precision cultivation management. However, early cotton square detection in complex field environments remains insufficiently explored, as cotton squares are small, frequently occluded, easily blurred, subject to illumination variations, and exhibit low contrast against surrounding cotton leaves. To address these challenges, we propose a task-oriented framework based on YOLO26m, named Cotton-SF YOLO, for cotton square detection under natural field conditions. To improve the perception of small and irregular cotton square boundaries, we introduce Dynamic Snake Convolution into the detector, enabling adaptive extraction of deformable edge features. Furthermore, a frequency-domain feature modulation module is designed by incorporating spectral enhancement into the C2f structure, which recalibrate frequency-domain representations and strengthen discriminative edge and texture cues while reducing interference from complex cotton leaf backgrounds. Trained and evaluated on our newly constructed and annotated field dataset with manually annotated cotton squares, the proposed model achieves mAP$_{50}$, mAP$_{50:95}$, and recall values of 0.8196, 0.4942, and 0.7939, improving over the baseline YOLO26m by 1.25%, 3.45%, and 2.96%, respectively. Ablation experiments and visualization demonstrate that the best performance is achieved with the complementary effects of structural and frequency cues.
Abstract（参考訳）: 綿花は, 綿花の早期繁殖の指標として重要であり, 綿花のオートフィールド検出は, 綿花の生育モニタリングや精密栽培管理に重要な基盤となっている。しかし、綿の四角は小さく、しばしば隠蔽され、ぼやけやすいため、複雑な畑の環境下での初期の綿の四角検出は未だ不十分であり、周囲の綿の葉に対して低コントラストを示す。これらの課題に対処するため,自然条件下での綿花正方形検出のためのYOLO26m(Cotton-SF YOLO)をベースとしたタスク指向フレームワークを提案する。小型で不規則な綿の正方形境界の認識を改善するため, 動的スネーク畳み込みを検知器に導入し, 変形可能なエッジ特性の適応抽出を可能にする。さらに、C2f構造にスペクトル強調を組み込んだ周波数領域特徴変調モジュールを設計し、複雑な綿葉背景からの干渉を低減しつつ、周波数領域表現を校正し、識別エッジとテクスチャキューを強化する。手動でアノテートした綿角のフィールドデータセットをトレーニングし、評価し、mAP$_{50}$, mAP$_{50:95}$, and recall value of 0.8196, 0.4942, 0.7939, and improve on the baseline YOLO26m by 1.25%, 3.45%, 2.96%。アブレーション実験と可視化は、構造的および周波数的キューの相補効果によって最高の性能が達成されることを示した。

関連論文リスト

Across the Loss Landscape with Progressive Growth [51.366966420881646]
成長を漸進的緩和と見なして、より平坦な地域に向けての訓練戦略がいかに成長・最適化されるかを示す。制御されたおもちゃの流域や現実的なResNet/CI-100環境でこれらの予測を実証的に検証する。プログレッシブな部分空間成長は、より平坦な解を確実に生成するが、曲率の低減は、普遍的にテスト性能の向上に変換されず、平坦性一般化接続における微妙さを強調している。
論文参考訳（メタデータ） (2026-08-25T13:50:48Z)
CottonLeafVision: An Explainable and Robust Deep Learning Framework for Cotton Leaf Disease Classification [0.0]
綿葉病を正確に分類し、検出すること。我々は,綿葉病画像データセットを用いて,事前訓練したディープ畳み込みニューラルネットワークの評価を行った。 DenseNet201では、最も高い分類精度が98%に達しました。
論文参考訳（メタデータ） (2026-06-12T17:50:23Z)
COTONET: A custom cotton detection algorithm based on YOLO11 for stage of growth cotton boll detection [7.017134503032068]
綿の収穫は、綿のカプセルを物理的に操作し、繊維の劣化を引き起こす重要な段階である。高品質を維持するため、収穫法は綿の本質的な特性を維持するために繊細な手作業の把握をエミュレートする必要がある。注意機構を備えた拡張カスタムYOLO11モデルであるCOTONETを提案する。
論文参考訳（メタデータ） (2026-03-12T09:22:48Z)
Vision Foundation Models in Agriculture: Toward Domain-Specific Adaptation for Weed Herbicide Trials Assessment [1.8430060563461854]
除草剤試験は、植物種の正確な同定と除草剤による損傷の評価を必要とする。本研究では,除草剤の試薬評価に汎用的視覚基盤モデルを適用した。大規模でキュレートされた農業データセットに対して、自己教師付き学習アプローチを用いてトレーニングされたモデルは、除草剤試薬画像に最適化されたリッチで移動可能な表現を学習する。
論文参考訳（メタデータ） (2025-11-06T11:30:32Z)
I2-NeRF: Learning Neural Radiance Fields Under Physically-Grounded Media Interactions [48.696181442718206]
I2-NeRFは、メディア劣化下での等方性メートル法知覚を高める新しい神経放射場フレームワークである。本稿では, ベル・ランベルト減衰法により制御された粒子モデルに放射, 吸収, 散乱を統一する, メディア劣化のための一般的な放射型定式化について述べる。光伝搬を垂直方向と水平方向の両方で均一に処理することにより、I2-NeRFは等方的距離知覚を可能にし、水深などの媒体特性を推定できる。
論文参考訳（メタデータ） (2025-10-25T05:13:28Z)
Cott-ADNet: Lightweight Real-Time Cotton Boll and Flower Detection Under Field Conditions [2.924203615782323]
Cott-ADNetは、複雑なフィールド条件下での綿棒や花の認識に適した軽量リアルタイム検出器である。 YOLOv11n上に構築されたCott-ADNetは、畳み込み設計の改善を通じて空間表現とロバスト性を向上させる。実験の結果、Cott-ADNetは91.5%の精度、89.8%のリコール、93.3%のmAP50、71.3%のmAP、90.6%のF1スコアを達成した。
論文参考訳（メタデータ） (2025-09-15T20:50:03Z)
Enhancing AI microscopy for foodborne bacterial classification via adversarial domain adaptation across optical and biological variability [0.18849131083278736]
本研究は, 対向領域適応を用いた細菌分類のためのAI対応顕微鏡の一般化可能性を高める。効率的なNetV2はバックボーンアーキテクチャとして機能し、小さなターゲットに対してきめ細かい機能を抽出した。ドメイン・アドバイザリ・ニューラルネットワーク(DANN)が単一のドメインに対処し、MDANN(Multi-DANN)がすべてのターゲットドメインにまたがって一般化された。
論文参考訳（メタデータ） (2024-11-29T07:12:36Z)
ECC-PolypDet: Enhanced CenterNet with Contrastive Learning for Automatic Polyp Detection [88.4359020192429]
既存の手法では、計算コストのかかるコンテキストアグリゲーションが伴うか、ポリープの事前モデリングが欠如しているため、難解なケースでは性能が低下する。本稿では,2段階のトレーニングとエンドツーエンド推論フレームワークである Enhanced CenterNet with Contrastive Learning (ECC-PolypDet) を提案する。 Box-assisted Contrastive Learning (BCL) は, クラス内差を最小限に抑え, 前庭ポリープと背景のクラス間差を最大化するため, 隠れポリープを捕捉する。微調整段階におけるIoU誘導サンプル再重み付けの導入
論文参考訳（メタデータ） (2024-01-10T07:03:41Z)
Potato Crop Stress Identification in Aerial Images using Deep Learning-based Object Detection [60.83360138070649]
本稿では, 深層ニューラルネットワークを用いたジャガイモの空中画像解析手法を提案する。主な目的は、植物レベルでの健康作物とストレス作物の自動空間認識を実証することである。実験により、フィールド画像中の健康植物とストレス植物を識別し、平均Dice係数0.74を達成できることを示した。
論文参考訳（メタデータ） (2021-06-14T21:57:40Z)
Accelerating Antimicrobial Discovery with Controllable Deep Generative Models and Molecular Dynamics [109.70543391923344]
CLaSS(Controlled Latent attribute Space Smpling)は、分子の属性制御のための効率的な計算手法である。深層学習分類器と原子論シミュレーションから得られた新しい特徴を併用して, 生成分子を付加的なキー属性としてスクリーニングする。提案手法は, 強い広帯域能を有する非毒性抗菌性ペプチド(AMP)を設計するためのものである。
論文参考訳（メタデータ） (2020-05-22T15:57:58Z)
Inf-Net: Automatic COVID-19 Lung Infection Segmentation from CT Images [152.34988415258988]
CT画像からの肺感染症の自動検出は、新型コロナウイルスに対処するための従来の医療戦略を強化する大きな可能性を秘めている。 CTスライスから感染領域を分割することは、高い感染特性の変化、感染と正常な組織の間の低強度のコントラストなど、いくつかの課題に直面している。これらの課題に対処するため, 胸部CTスライスから感染部位を自動的に同定する, 新型のCOVID-19 Deep Lung infection Network (Inf-Net) が提案されている。
論文参考訳（メタデータ） (2020-04-22T07:30:56Z)

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。