論文の概要: Beyond Group Splits: Specimen-Level Cross-Validation and Visual Attribution for Remaining-Shelf-Life Regression in Climacteric Fruit

• arxiv url: http://arxiv.org/abs/2610.09726v2
• Date: Thu, 08 Oct 2026 08:50:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-10 02:36:53.538754
• Title: Beyond Group Splits: Specimen-Level Cross-Validation and Visual Attribution for Remaining-Shelf-Life Regression in Climacteric Fruit
• Title（参考訳）: 群分割を超えて:クリーモクテリック果汁の種・種・種・種・種・種・種・種・種・種・種・種・種・種・種・種・種・種・種・種・種・種・種・種・種・種・種・種・種・種)
• Abstract要約: 我々はHass Avocado Ripeningデータセットを使用して、軽量回帰ヘッドによるフリーズされたImageNet事前トレーニングされた視覚バックボーンを評価する。 本研究は, 観察レベルと検体非結合評価の効果を定量化し, 検体非結合検体における軽量で重厚な視覚バックボーンの比較を行い, それらの空間属性をGrad-CAMを用いて検討した。 これらの結果は, 長手棚寿命予測のための軽量視覚モデルの評価において, 標本分離評価と帰属分析を支援する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Estimating remaining shelf life (RSL) from images could provide affordable decision support for perishable produce, but evaluation protocols can substantially affect reported performance when repeated images are available from the same biological specimen. We use the Hass Avocado Ripening dataset, comprising 8,834 image-RSL pairs from 426 fruits across three storage regimes, to evaluate a frozen ImageNet-pretrained visual backbone with a lightweight regression head. Our contributions are threefold: we quantify the effect of observation-level versus specimen-disjoint evaluation, compare lightweight and heavier visual backbones under specimen-disjoint cross-validation, and examine their spatial attributions using Grad-CAM. Across ten observation-level random splits, the model achieves a mean RMSE of 2.37 days with a standard deviation of 0.03 days, whereas specimen-disjoint 5-fold cross-validation yields a mean RMSE of 3.12 days with a standard deviation of 0.11 days. The corresponding mean coefficient of determination is 0.553. A matched per-specimen comparison confirms higher error under specimen-disjoint evaluation, with a probability value below 0.001 across 426 specimens, showing that observation-level partitioning gives a substantially more optimistic estimate for this dataset and model configuration. Under specimen-disjoint evaluation, MobileNetV3-Small (0.93 million parameters) achieves accuracy comparable to ResNet-18 while providing substantially higher throughput, and Grad-CAM reveals differences in spatial attribution between the lightweight backbones. These results support specimen-disjoint evaluation and attribution analysis when assessing lightweight vision models for longitudinal shelf-life prediction.
• Abstract（参考訳）: 画像から残留シェルフ寿命(RSL)を推定することは、生鮮度の高い農産物に手頃な価格で決定できるが、評価プロトコルは、同じ生物学的検体から繰り返し画像が入手できる場合、報告された性能に著しく影響を及ぼす可能性がある。 我々は,3つの記憶領域にまたがる426個の果実から8,834個の画像-RSLペアからなるHass Avocado Ripeningデータセットを用いて,軽量レグレッションヘッドを用いた凍結したImageNet事前学習視覚バックボーンの評価を行った。 本研究の貢献は, 観察レベルと検体非結合評価の効果を定量化し, 検体非結合検体における軽量で重厚な視覚バックボーンを比較し, Grad-CAMを用いてそれらの空間的属性について検討することである。 10回の観測レベルのランダムスプリットでは、標準偏差0.03日で平均RMSEが2.37日、標準偏差0.11日で平均RMSEが3.12日となる。 判定の平均係数は0.553である。 一致した検体別比較では,426検体で0.001未満の確率値で,検体間差による誤差が高いことが確認され,観察レベルの分割は,このデータセットとモデル構成に対してかなり楽観的な推定値を与えることが示された。 標本分離評価では、MobileNetV3-Small (0.93百万のパラメータ) はResNet-18に匹敵する精度を達成し、スループットは大幅に向上し、Grad-CAMは軽量バックボーン間の空間的属性の違いを明らかにする。 これらの結果は, 長手棚寿命予測のための軽量視覚モデルの評価において, 標本分離評価と帰属分析を支援する。

関連論文リスト

• Beyond Marginal Monitoring: Distributed Joint-Distribution Testing for Data Concept Drift in Large Scale E-Commerce Operations [0.26385121748044166]
  3つの相補的な環境における5つのマルチカラム2サンプルテストを評価した。 我々は、Apache Spark上でRandom Fourier Featuresを使用した分散最大平均離散性を示す。
  論文  参考訳（メタデータ） (2026-10-06T10:47:26Z)
• PDE-OBS: Controlled Evaluation Across Observation Patterns [40.0520743676604]
  本稿では,数値データ生成,モデルトレーニング,推論と評価を対象とするベンチマークプラットフォームであるPDE-OBSを紹介する。 7つの偏微分方程式系からの560,000の場と軌道を観測作用素と組み合わせている。 テストパターン毎にトレーニングされた参照を使用して、同じテスト観測とターゲットのモデルを比較する。
  論文  参考訳（メタデータ） (2026-09-29T02:13:36Z)
• Cross-Dataset Generalization of Bangladeshi Rice Leaf Disease Classifiers: Benchmark, Diagnosis, and Mitigation [0.0]
  イネ葉病分類におけるデータセット間移動は依然として重要な課題である。 バングラデシュの3つのイネ病データセットに対して,系統的なベンチマークを行った。 強い拡張は、平均的なデータセットのマクロF1の改善+0.070を回復する。 自己教師型 ViT コントロールは、CNN に等価なデータセットの崩壊を示す。
  論文  参考訳（メタデータ） (2026-09-20T16:56:51Z)
• Training-inference input alignment outweighs framework choice in longitudinal retinal image prediction [3.0602131532925436]
  近年の手法は, 生成複雑性の増大に向かっているが, この複雑さが要求される条件はいまだ不明である。 生成複雑性は予測可能なタスクの条件付き後続成分のエントロピーと一致し,全てのレシスタンスでトレーニング・推論入力アライメントが要求される。 我々は,この枠組みを5つの構成を対比して,立方体自己蛍光データセット上で検証した。
  論文  参考訳（メタデータ） (2026-04-18T10:28:00Z)
• 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)
• A Framework for Evaluating Predictive Models Using Synthetic Image Covariates and Longitudinal Data [0.0]
  患者データを縦断的観察で合成するための新しい枠組みを提案する。 提案手法は,各データモダリティを生成する潜在空間における制御的関連性を導入する。 光コヒーレンストモグラフィー(OCT)スキャンを用いて,本フレームワークの実証を行った。
  論文  参考訳（メタデータ） (2024-10-21T16:43:16Z)
• Evaluating Perceptual Distance Models by Fitting Binomial Distributions to Two-Alternative Forced Choice Data [43.714290271351466]
  本稿では,二項決定モデルに最大推定値を適用し,より頑健な距離モデル評価手法を提案する。 提案手法は2つの2AFC PFデータセット上での様々な視覚距離モデルの評価から, 簡便さ, 可視性, 柔軟性, 計算効率が優れていることを示す。
  論文  参考訳（メタデータ） (2024-03-15T15:21:04Z)
• TripleSurv: Triplet Time-adaptive Coordinate Loss for Survival Analysis [15.496918127515665]
  本稿では,学習過程の複雑さを扱える時間適応座標損失関数TripleSurvを提案する。 我々のTripleSurvは3つの実世界の生存データセットと公開合成データセットで評価されている。
  論文  参考訳（メタデータ） (2024-01-05T08:37:57Z)
• Corneal endothelium assessment in specular microscopy images with Fuchs' dystrophy via deep regression of signed distance maps [48.498376125522114]
  本稿では,UNetをベースとしたセグメンテーション手法を提案する。 これは、フックスのジストロフィーの全度にわたって、信頼できるCE形態計測と腸骨同定を実現する。
  論文  参考訳（メタデータ） (2022-10-13T15:34:20Z)

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。