論文の概要: Still image and spatial-temporal tomato data enabling detection, segmentation, tracking, and video-instance segmentation using strong and weak labels

• arxiv url: http://arxiv.org/abs/2607.14934v1
• Date: Thu, 16 Jul 2026 12:47:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-17 17:01:33.096932
• Title: Still image and spatial-temporal tomato data enabling detection, segmentation, tracking, and video-instance segmentation using strong and weak labels
• Title（参考訳）: 強いラベルと弱いラベルを用いた静止画像と時空間トマトデータによる検出・セグメンテーション・追跡・ビデオインスタンスセグメンテーション
• Abstract要約: 市販のトマトを視覚的に感知するための2つのデータセットを,ロボットを用いて取得した。 研究コミュニティは、トマトとその果実の状態を感知し、推定する方法を探るために、現実世界のイメージの挑戦的なセットを提供することを目標としている。 重要なことは、空間的時間的データセットは、個々の果実数と熟度情報を提供し、研究者がフィールドベースの表現型付けの境界を押し上げることを可能にすることである。
• 参考スコア（独自算出の注目度）: 35.64720082026579
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: In this manuscript we release two datasets for visual sensing of tomato plants grown in commercial-like settings and acquired using a robot. The first is BUTom21 which consists of still images and manual annotations. The second is BUTom-ST21 which consists of video-based data and semi-automated annotations through AI-based methods, referred to as pseudo-labels. In both cases, we provide pixel-level labels for the ripeness of the fruit. The aim is to provide the research community a challenging set of real-world imagery to explore methods to sense and estimate the state of tomato plants and their fruit, which is an important horticultural crop. Importantly, the spatial-temporal dataset provides individual fruit count and ripeness information enabling researchers to push the boundaries of field-based phenotyping.
• Abstract（参考訳）: 本書では,市販のトマトの視覚的センシングのための2つのデータセットを公開し,ロボットを用いて取得した。 1つは BUTom21 で、静止画像と手動のアノテーションで構成されている。 2つ目は、ビデオベースのデータと擬似ラベルと呼ばれるAIベースの手法による半自動アノテーションからなるBUTom-ST21である。 いずれの場合も,果実の熟度を示すピクセルレベルのラベルを提供する。 研究コミュニティは、重要な園芸作物であるトマトとその果実の状態を感知し、推定する方法を探求するために、現実世界のイメージの挑戦的なセットを提供することを目標としている。 重要なことは、空間的時間的データセットは、個々の果実数と熟度情報を提供し、研究者がフィールドベースの表現型付けの境界を押し上げることを可能にすることである。

関連論文リスト

• Visual-SLAM for the detection of hidden tomatoes in greenhouses by Hierarchical Localization and GLOMAP for robotized harvesting [39.55454029331185]
  本研究は単眼カメラを用いたVisual-SLAMシステムを提案する。 試験はAgroconnect実験用温室にある本物のトマトの束で行われた。
  論文  参考訳（メタデータ） (2026-09-10T16:19:36Z)
• Deep learning-based approach for tomato classification in complex scenes [0.8287206589886881]
  複雑な場面における深層学習に基づくトマト熟成モニタリング手法を提案する。 目的は、成熟したトマトを検出し、タイムリーに収穫することである。 実験は、さまざまな言語にまたがるトマトの状態を用いて、インターネットから収集された画像に基づいて行われる。
  論文  参考訳（メタデータ） (2024-01-26T18:33:57Z)
• Tomato Maturity Recognition with Convolutional Transformers [5.220581005698766]
  著者らは畳み込み変換器を用いたトマト成熟度分類の新しい手法を提案する。 KUTomaDataと呼ばれる新しいトマトデータセットは、トマトのセグメンテーションと分類のためのディープラーニングモデルをトレーニングするために設計されている。 著者らは、この畳み込みトランスフォーマーがトマト成熟度分類の最先端手法より優れていることを示した。
  論文  参考訳（メタデータ） (2023-07-04T07:33:53Z)
• TomatoDIFF: On-plant Tomato Segmentation with Denoising Diffusion Models [3.597418929000278]
  TomatoDIFFは植物のトマトのセマンティックセグメンテーションのための新しい拡散モデルである。 トマトピアは温室トマトの新しい、大きくて挑戦的なデータセットである。
  論文  参考訳（メタデータ） (2023-07-03T14:43:40Z)
• AutoGeoLabel: Automated Label Generation for Geospatial Machine Learning [69.47585818994959]
  リモートセンシングデータのためのラベルの自動生成のためのビッグデータ処理パイプラインを評価する。 我々は,大規模データプラットフォームであるIBM PAIRSを用いて,密集都市部でそのようなラベルを動的に生成する。
  論文  参考訳（メタデータ） (2022-01-31T20:02:22Z)
• Semantic Segmentation with Generative Models: Semi-Supervised Learning and Strong Out-of-Domain Generalization [112.68171734288237]
  本論文では,画像とラベルの再生モデルを用いた識別画素レベルのタスクのための新しいフレームワークを提案する。 我々は,共同画像ラベルの分布を捕捉し,未ラベル画像の大規模な集合を用いて効率的に訓練する生成的対向ネットワークを学習する。 ドメイン内性能をいくつかのベースラインと比較し,ドメイン外一般化を極端に示す最初の例である。
  論文  参考訳（メタデータ） (2021-04-12T21:41:25Z)
• STEP: Segmenting and Tracking Every Pixel [107.23184053133636]
  新しいベンチマークを示す: Segmenting and Tracking Every Pixel (STEP) 私たちの仕事は、空間領域と時間領域の両方で密な解釈を必要とする現実世界の設定で、このタスクをターゲットとする最初のものです。 性能を測定するために,新しい評価指標と追跡品質(STQ)を提案する。
  論文  参考訳（メタデータ） (2021-02-23T18:43:02Z)
• Semi-Automatic Data Annotation guided by Feature Space Projection [117.9296191012968]
  本稿では,適切な特徴空間投影と半教師付きラベル推定に基づく半自動データアノテーション手法を提案する。 MNISTデータセットとヒト腸内寄生虫の胎児不純物の有無による画像を用いて本手法の有効性を検証した。 この結果から,人間と機械の相補的能力を組み合わせた視覚分析ツールの付加価値が,より効果的な機械学習に有効であることが示唆された。
  論文  参考訳（メタデータ） (2020-07-27T17:03:50Z)
• Labelling unlabelled videos from scratch with multi-modal self-supervision [82.60652426371936]
  ビデオデータセットの教師なしラベリングは、強力な機能エンコーダから解放されない。 人間のアノテーションを使わずにビデオデータセットの擬似ラベリングを可能にする新しいクラスタリング手法を提案する。 広範囲な分析により、結果として得られたクラスタは、真理の人間ラベルと高いセマンティックオーバーラップがあることが示されている。
  論文  参考訳（メタデータ） (2020-06-24T12:28:17Z)
• An Image Labeling Tool and Agricultural Dataset for Deep Learning [4.107998999964667]
  本稿では,農業におけるコンピュータビジョン研究の促進を目的としたラベル付けツールとデータセットを紹介する。 データセットには、商用の温室から集めたオリジナルイメージ、PlantVillageの画像、Google Imagesの画像が含まれている。 合計で10kのトマト,7kの葉,2kの茎,2kの病気の葉の注釈が含まれていた。
  論文  参考訳（メタデータ） (2020-04-06T13:38:01Z)

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。