論文の概要: Vision Transformers versus convolutional neural networks for fine-grained orchid genus identification in a species-rich, data-poor flora: a controlled benchmark on the Orchidaceae of New Guinea

• arxiv url: http://arxiv.org/abs/2609.24064v1
• Date: Mon, 21 Sep 2026 03:39:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-22 20:29:01.049355
• Title: Vision Transformers versus convolutional neural networks for fine-grained orchid genus identification in a species-rich, data-poor flora: a controlled benchmark on the Orchidaceae of New Guinea
• Title（参考訳）: 種に富んだ多孔質植物における微細果樹種同定のための視覚トランスフォーマーと畳み込みニューラルネットワーク--ニューギニアのラン科の制御ベンチマーク
• Abstract要約: ニューギニア島は世界でも最も豊かな植物群(2,856種)であるが、ほとんどの種はごく少数の写真しか写っていない。 まず,検索画像の属を推定し,視覚的に類似した候補種の参照画像を取得する2段階のシステムを構築した。 2つのビジョントランス (ViTs, DINOv2, BioCLIP2) と2つのCNN (ConvNeXt V2-L, EfficientNetV2-L) を同一のプロトコルで微調整した。
• 参考スコア（独自算出の注目度）: 0.21108097398435333
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: New Guinea is the world's richest island flora (~2,856 orchid species), yet most species are represented by only a handful of photographs, far fewer than direct species-level classification requires. Methods for fine-grained identification in such species-rich, data-poor floras are needed, and it remains unclear which backbone architecture and pretraining strategy best support them. We built a two-stage system that first predicts the genus of a query photograph, then retrieves visually similar reference images of candidate species using FAISS. We compared four pretrained backbones -- two Vision Transformers (ViTs; DINOv2, BioCLIP 2) and two CNNs (ConvNeXt V2-L, EfficientNetV2-L) -- fine-tuned under an identical protocol on a fixed, species-stratified partition of 16,701 photographs spanning 120 genera and 1,350 species, assessing accuracy, calibration, error structure, species retrieval, and open-set detection of novel genera. DINOv2 attained the best genus performance (macro top-1 66.9%, 95% CI 63.7-70.6; global top-1 88.9%); both ViTs outranked both CNNs, and general-purpose self-supervised pretraining (DINOv2) outperformed domain-matched biological pretraining (BioCLIP 2) by 7.1 points of macro top-1. Errors concentrated on two abundant genera acting as error attractors. DINOv2 embeddings achieved species Recall@5 of 86.6% and genus Recall@5 of 98.7%; temperature scaling reduced every backbone's Expected Calibration Error to about 0.03; and a distance-based open-set gate flagged unseen genera (mean AUROC 0.958). A self-supervised Vision-Transformer backbone combined with embedding retrieval is an effective, deployable strategy for fine-grained identification in species-rich, data-poor floras. The system is released as an open web application (the New Guinea Orchid Identifier), offering a practical template for other hyperdiverse, under-documented taxa.
• Abstract（参考訳）: ニューギニア島は世界でも最も豊かな植物群(約2,856種)であるが、ほとんどの種は数枚の写真しか撮れていない。 このような種に富んだ多孔質花序の細粒度同定法が必要であり,どのバックボーン構造と事前学習戦略がそれらを支援するかは定かではない。 質問写真の属を最初に予測し,FAISSを用いて視覚的に類似した候補種の参照画像を取得する2段階のシステムを構築した。 我々は、120属と1,350種にまたがる16,701枚の写真と16,701枚の写真に同一のプロトコルで微調整し、精度、校正、エラー構造、種検索、オープンセットの検出を行ない、事前訓練された4つのバックボーン(ViTs, DINOv2, BioCLIP2)と2つのCNN(ConvNeXt V2-L, EfficientNetV2-L)を比較した。 DINOv2は最高成績(macro top-1 66.9%、95% CI 63.7-70.6; global top-1 88.9%)を達成した。 エラーは、エラーを引き付ける2つの豊富な属に集中した。 DINOv2の埋め込みは86.6%の種Recall@5と98.7%の種Recall@5を達成し、温度スケーリングによりすべてのバックボーンの予測校正誤差が約0.03に低下した。 自己監督型ビジョン・トランスフォーマーのバックボーンと埋め込み検索の組み合わせは、種が豊富でデータが少ない花序において、きめ細かい識別を効果的かつ効果的に行うことができる戦略である。 このシステムはオープンウェブアプリケーション(ニューギニア・オーキッド識別器)としてリリースされ、他の多種多様で文書化されていない分類のための実用的なテンプレートを提供する。

関連論文リスト

• DNA: Dual-stage Native Attribution for Generated Image Source Tracing [75.65470221927096]
  既存のプロアクティブな方法は、透かしの埋め込みやモデル修正に依存している。 DNAは、ニューラルネットワークのトレーニングを追加せずに、この階層に従う粗大なフレームワークである。 実験の結果、DNAは89.11%のエンドツーエンドの属性精度を達成している。
  論文  参考訳（メタデータ） (2026-07-15T10:27:52Z)
• Reevaluating Automated Wildlife Species Detection: A Reproducibility Study on a Custom Image Dataset [0.0]
  本研究は、Google Inception-ResNet-v2モデルを用いて、カメラトラップ画像におけるヨーロッパの野生哺乳類の自動検出を行ったCarl et al.の知見を再考する。 オープンリソースと90種にまたがる900の画像からなる異なるデータセットを用いて,実験をスクラッチから再実装した。 最小限の事前処理の後、データセットの違いにもかかわらず、元の作業で報告された71%と密接に一致し、全体的な分類精度は62%に達した。
  論文  参考訳（メタデータ） (2025-12-08T08:47:16Z)
• Hierarchical Deep Learning for Diatom Image Classification: A Multi-Level Taxonomic Approach [0.0]
  階層型畳み込みネットワークであるDiatomNet(H-COFGS)を紹介する。 82種を対象とする1,456個の珪藻画像のフィルタリングデータセットを用いて,同一条件下での階層モデルと平坦モデルを比較した。 H-COFGSは種レベルでの平坦な基準線(69.4%の精度)と一致し、全ての上層部の分類学的レベルよりも優れている。
  論文  参考訳（メタデータ） (2025-12-07T01:06:13Z)
• Multi-Label Plant Species Prediction with Metadata-Enhanced Multi-Head Vision Transformers [0.0]
  植生プロット画像におけるマルチラベル植物種予測のためのマルチヘッド・ビジョン・トランスフォーマー手法を提案する。 このタスクでは、単一種の植物イメージのトレーニングモデルと、多種の4つのイメージのテストが含まれており、ドメインシフトが劇的に変化する。 本手法は, 種, 属, および家族予測のための複数の分類先頭を持つ, 事前訓練されたDINOv2 Vision Transformer Base (ViT-B/14) のバックボーンを利用する。
  論文  参考訳（メタデータ） (2025-08-14T08:56:58Z)
• Uncertainty-inspired Open Set Learning for Retinal Anomaly Identification [71.06194656633447]
  9つの網膜条件の基底像をトレーニングし,不確実性に着想を得たオープンセット(UIOS)モデルを構築した。 しきい値戦略を持つUIOSモデルはF1スコア99.55%、97.01%、91.91%を達成した。 UIOSは、高い不確実性スコアを正しく予測し、非ターゲットの網膜疾患、低品質の眼底画像、および非基本画像のデータセットを手動でチェックする必要があることを示唆した。
  論文  参考訳（メタデータ） (2023-04-08T10:47:41Z)
• Facilitated machine learning for image-based fruit quality assessment in developing countries [68.8204255655161]
  自動画像分類は食品科学における教師あり機械学習の一般的な課題である。 事前学習型視覚変換器(ViT)に基づく代替手法を提案する。 標準的なデバイス上で限られたリソースで簡単に実装できる。
  論文  参考訳（メタデータ） (2022-07-10T19:52:20Z)
• Vision Transformers for femur fracture classification [59.99241204074268]
  Vision Transformer (ViT) はテスト画像の83%を正確に予測することができた。 史上最大かつ最もリッチなデータセットを持つサブフラクチャーで良い結果が得られた。
  論文  参考訳（メタデータ） (2021-08-07T10:12:42Z)
• Dise\~no y desarrollo de aplicaci\'on m\'ovil para la clasificaci\'on de flora nativa chilena utilizando redes neuronales convolucionales [0.0]
  本研究は,モバイルアプリに実装されたキリアン種データセットと最適化された分類モデルの開発を紹介する。 データセットは、フィールドで捕獲されたいくつかの種の写真をまとめ、オンラインで利用可能な他のデータセットから利用可能ないくつかの写真を選択することで構築された。 最良のモデルはモバイルアプリ上で実装され、テストセットに対して95%正確な予測率を得た。
  論文  参考訳（メタデータ） (2021-06-11T19:43:47Z)
• 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。