論文の概要: Multi-Scale Fruit Capsules: Dilated Convolutions and Dynamic Routing for In-the-Wild Explainable Fruit Recognition

• arxiv url: http://arxiv.org/abs/2608.21454v1
• Date: Thu, 20 Aug 2026 10:34:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-25 13:29:43.14765
• Title: Multi-Scale Fruit Capsules: Dilated Convolutions and Dynamic Routing for In-the-Wild Explainable Fruit Recognition
• Title（参考訳）: マルチスケールフルーツカプセル : 拡張畳み込みと動的ルーティング
• Abstract要約: 本稿では,標準の畳み込みフロントエンドを拡張畳み込みで置き換えるFruitCapsNetを提案する。 各カプセルは動的ルーティングの前に複数スケールのコンテキストを符号化し、空間的合意を部分的に解決する。 3つの公開データセットでは、FruitCapsNetは10以上の微調整されたトランスファー学習バックボーンを深さの3分の1で上回る。
• 参考スコア（独自算出の注目度）: 2.452575843329101
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The same fruit appears in a bunch, unpicked, peeled, bagged in plastic, or sliced on a dish, so automated fruit classification in the wild (AFCW) must absorb wide intra- class and narrow inter-class variability in shape, size, colour and texture. Convolutional networks route information through pooling, which discards the pose and location of the region of interest and therefore generalises poorly across these presentations. We propose FruitCapsNet, a capsule network whose Fruit Capsules replace the standard convolutional front end with dilated convolutions: the receptive field grows exponentially at constant parameter cost, so each capsule encodes multi-scale context before dynamic routing resolves part whole spatial agreement. Hyper-parameters, including the dilation factor, are selected by Bayesian optimisation rather than grid search. On three public datasets (SMP, FruitsGB, Fruits-360) and a new 19-class, 10,639-image in-the-wild dataset (PD-19), FruitCapsNet exceeds ten fine-tuned transfer-learning backbones at one-third the depth, with the largest margin (+2.7% over the nearest competitor) on the hardest set. Grad-CAM saliency propagated from the DigitCaps layer shows that the improvement comes from attributing decisions to whole-fruit regions rather than to object edges, giving post-hoc evidence that the gain is not a dataset artefact.
• Abstract（参考訳）: 同じ果実が束、未摘み、皮むき、プラスチックで束ねられたり、皿にスライスされたりするので、野生における自動果物分類(AFCW)は、形状、サイズ、色、テクスチャにおいて幅広いクラス内およびクラス間の変化を吸収しなければならない。 畳み込みネットワークはプールを通じて情報をルーティングし、興味のある領域のポーズと位置を破棄するので、これらのプレゼンテーションは一般化が不十分である。 本稿では,Fruit Capsulesが標準の畳み込み前端を拡張畳み込みで置き換えるカプセルネットワークFruitCapsNetを提案する。 拡張係数を含むハイパーパラメータは、グリッド探索よりもベイズ最適化によって選択される。 3つのパブリックデータセット(SMP、FruitsGB、Fruits-360)と新しい19クラスの10,639イメージの内蔵データセット(PD-19)では、FruitCapsNetは10個の微調整されたトランスファーラーニングバックボーンを3分の1の深さで越え、最も大きなマージン(最も近い競合相手よりも+2.7%)が最強である。 DigitCaps層から伝播したGrad-CAMサリエンシは、オブジェクトエッジではなく、全フルーツリージョンへの決定の帰結による改善であり、その利益がデータセットアーティファクトではないというポストホックな証拠を与えることを示している。

関連論文リスト

• Fruit-HSNet: A Machine Learning Approach for Hyperspectral Image-Based Fruit Ripeness Prediction [1.5484595752241122]
  本稿では,果実熟度を高スペクトルで分類する機械学習アーキテクチャであるFruit-HSNetを紹介する。 その結果、Fruit-HSNetは既存のディープラーニング手法を大幅に上回り、12%の改善を達成し、新しい最先端の70.73%の精度を実現した。
  論文  参考訳（メタデータ） (2026-08-02T12:37:38Z)
• Multi-Scale ViT Inference with Habitat-Fit Priors and kNN Retrieval for Multi-Species Plant Identification [0.04014524824655105]
  本稿では,DS@GT ARCの植物4乗画像における多種植物同定におけるPlantCLEF 2026チャレンジに対する3位ソリューションについて述べる。 パイプラインは細調整されたDINOv2 ViT-L/14分類器を中心に構築され、各四角形のマルチスケールタイル分解に適用される。 選択されたエントリーは、0.43902(3位、パブリック0.51096)のプライベートリーダーボードマクロF1に達する。
  論文  参考訳（メタデータ） (2026-07-16T02:47:38Z)
• PVCap: Towards Accurate 3D Dense Captioning via PseudoCap and VoxelCapNet [86.90893905012511]
  PVCapはPseudoCapとVoxelCapNetで構成されている。 本手法は, CIDEr@0.5IoUでそれぞれ11.41%, 13.99%を超過する。
  論文  参考訳（メタデータ） (2026-07-07T10:11:35Z)
• PointSplat: Compact Gaussian Splatting via Human-Centric Prediction [70.45838533838104]
  本研究では,ハエのインプットビューから3次元人間表現を創出する新しい人間中心のアプローチであるPointSplatを提案する。 提案手法は,まず粗い幾何学的プロキシを推定し,冗長点を起点とするレイキャスティングを行う。 その後、ポイント・イメージ・トランスフォーマーを使用して外観と幾何学的特徴を融合させ、ガウスの属性を1つの前方通過で予測する。
  論文  参考訳（メタデータ） (2026-06-30T17:59:05Z)
• LLMs-based Augmentation for Domain Adaptation in Long-tailed Food Datasets [54.527878056610156]
  食品認識におけるこれらの課題に対処するために,大規模言語モデル(LLM)を用いた枠組みを提案する。 まず LLM を利用して食品イメージを解析し,食品のタイトルや材料を生成する。 そして、生成したテキストと食品の画像を異なるドメインから共有埋め込み空間に投影し、ペアの類似性を最大化する。
  論文  参考訳（メタデータ） (2025-11-20T04:38:56Z)
• FruitNeRF++: A Generalized Multi-Fruit Counting Method Utilizing Contrastive Learning and Neural Radiance Fields [5.669562773066833]
  FruitNeRF++は、コントラスト学習とニューラルラディアンスフィールドを組み合わせた、新しいフルーツカウント手法である。 我々の研究はFruitNeRFに基づいており、FruitNeRFは、果物固有のクラスタリングアプローチと組み合わせて、ニューラルネットワークのセマンティックフィールドを利用している。 以上の結果から,FruitNeRF++は制御が容易で,他の最先端手法と比較できることがわかった。
  論文  参考訳（メタデータ） (2025-05-26T11:48:22Z)
• Horticultural Temporal Fruit Monitoring via 3D Instance Segmentation and Re-Identification using Colored Point Clouds [29.23207854514898]
  本研究では, 時間とともに収集された3次元地上点雲における実例分割と再同定のための新しい手法を提案する。 提案手法は, 濃密な色の点雲を直接操作し, きめ細かい3次元空間的詳細を捉える。 イチゴとリンゴの実際のデータセットに対する我々のアプローチを評価し、インスタンスのセグメンテーションと時間的再同定の両方において既存の手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2024-11-12T13:53:22Z)
• FruitNeRF: A Unified Neural Radiance Field based Fruit Counting Framework [5.363729942767801]
  FruitNeRFは,新鮮果実のカウンティングフレームワークである。 我々は3Dで直接果物の種類を数えるために最先端のビュー合成法を用いる。 実世界のデータセットと合成データセットの両方を用いて,本手法の評価を行った。
  論文  参考訳（メタデータ） (2024-08-12T14:40:38Z)
• Spherical Frustum Sparse Convolution Network for LiDAR Point Cloud Semantic Segmentation [62.258256483231484]
  LiDARポイントクラウドセマンティックセグメンテーションにより、ロボットは周囲の環境のきめ細かいセマンティック情報を得ることができる。 多くの研究が2Dイメージ上にポイントクラウドを投影し、LiDARポイントクラウドセマンティックセグメンテーションのための2D畳み込みニューラルネットワーク(CNN)またはビジョントランスフォーマーを採用する。 本稿では,情報損失の定量化を回避するために,新しい球状フラストラム構造を提案する。
  論文  参考訳（メタデータ） (2023-11-29T09:55:13Z)
• Cylindrical and Asymmetrical 3D Convolution Networks for LiDAR Segmentation [81.02742110604161]
  大規模運転シーンのLiDARセグメンテーションのための最先端の手法は、しばしば点雲を2次元空間に投影し、2D畳み込みによって処理する。 そこで我々は,3次元幾何学的パタンを探索するために,円筒分割と非対称な3次元畳み込みネットワークを設計する,屋外LiDARセグメンテーションのための新しいフレームワークを提案する。 提案手法はセマンティックKITTIのリーダーボードにおいて第1位を獲得し,既存のnuScenesの手法を約4%のマージンで上回っている。
  論文  参考訳（メタデータ） (2020-11-19T18:53:11Z)
• Subspace Capsule Network [85.69796543499021]
  SubSpace Capsule Network (SCN) はカプセルネットワークのアイデアを利用して、エンティティの外観や暗黙的に定義された特性のバリエーションをモデル化する。 SCNは、テスト期間中にCNNと比較して計算オーバーヘッドを発生させることなく、識別モデルと生成モデルの両方に適用することができる。
  論文  参考訳（メタデータ） (2020-02-07T17:51:56Z)

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。