論文の概要: Description-Guided CLIP Adaptation with Local Evidence Calibration for Few-Shot Plant Disease Recognition
- arxiv url: http://arxiv.org/abs/2611.16373v1
- Date: Thu, 12 Nov 2026 06:40:54 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-14 01:36:33.379317
- Title: Description-Guided CLIP Adaptation with Local Evidence Calibration for Few-Shot Plant Disease Recognition
- Title(参考訳): Few-Shot Plant 病の診断における局所的エビデンス校正による説明誘導CLIP適応
- Abstract要約: そこで本研究では,少数ショット適応と一般化の問題に対処するため,記述誘導型2段階CLIP適応手法を提案する。
提案手法は,PlandVillage,Cassava,Pearのいくつかの設定において,最も高い平均精度を実現する。
- 参考スコア(独自算出の注目度): 11.099326677339334
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Accurate plant disease recognition is essential for intelligent agriculture, but few-shot settings provide limited labeled samples that may not capture diagnostic symptoms and intra-class variations. Pretrained vision-language models (VLMs), such as CLIP, offer transferable visual-semantic knowledge. However, existing CLIP-based methods often rely on coarse class semantics and global visual representations, overlooking disease-specific diagnostic information and fine-grained local cues. Excessive few-shot adaptation may also cause over-specialization and weaken the generalization ability of large-scale pre-training. We propose a description-guided, two-stage CLIP adaptation method to address these issues. Symptom and comparative descriptions enrich class semantics with typical visual symptoms and discriminative cues between similar diseases. The enhanced semantics guide the aggregation of class-relevant patch evidence to calibrate global image-text matching with fine-grained cues. For adaptation, we first update the vision-language encoders with lightweight parameters, then freeze them and train a linear classifier. At inference, the classifier is used for in-domain prediction, while class prototypes from the adapted text encoder support cross-domain prediction and retain vision-language transferability. Experiments with two backbones show that our method achieves the highest mean accuracy in most few-shot settings on PlantVillage, Cassava, and Pear, reaching 93.16%, 79.30%, and 96.56%, respectively, with ViT-L/14 under 16-shot. On class-aligned cross-domain evaluation across 21 shared PlantDoc classes, it achieves 56.96% accuracy, outperforming all compared methods. These results demonstrate its effectiveness in fine-grained few-shot plant disease recognition and cross-domain generalization.
- Abstract(参考訳): 植物病の正確な認識はインテリジェント農業には不可欠だが、診断症状やクラス内変異を捉えないラベル付きサンプルは少ない。
CLIPのような事前訓練された視覚言語モデル(VLM)は、伝達可能な視覚的意味論的知識を提供する。
しかし、既存のCLIPベースの手法は、しばしば粗いクラスセマンティクスとグローバルな視覚表現に依存し、病気特有の診断情報やきめ細かい局所的手がかりを見渡す。
過剰な数発の適応は、過剰な特殊化を引き起こし、大規模な事前訓練の一般化能力を弱める可能性がある。
本稿では,これらの問題に対処するための記述誘導2段階CLIP適応手法を提案する。
症状と比較記述は、典型的な視覚症状と類似の疾患間の識別的手がかりを持つクラス意味論を豊かにしている。
拡張セマンティクスは、クラス関連パッチ証拠の集約をガイドし、大域的な画像テキストマッチングをきめ細かなキューで校正する。
適応のために、まず視覚言語エンコーダを軽量パラメータで更新し、凍結し、線形分類器を訓練する。
推論において、分類器はドメイン内予測に使用され、適応されたテキストエンコーダのクラスプロトタイプはドメイン間予測をサポートし、視覚言語変換性を維持する。
2つのバックボーンを用いた実験の結果,プラントヴィラージュ,キャッサバ,ピアにおいて,VT-L/14が16ショットで93.16%,79.30%,96.56%に達した。
21の共有PlandDocクラスにまたがるクラスアラインなクロスドメイン評価では、56.96%の精度を達成し、比較したすべてのメソッドを上回っている。
これらの結果は,植物病の微粒化とクロスドメインの一般化に有効であることを示す。
関連論文リスト
- Learning from the Right Regions: Class-Conditioned Explanation Guidance for Medical Imaging [0.0]
ディープニューラルネットワークは、予測された発見とは無関係な領域に依存しながら、医用画像において強力な予測性能を達成することができる。
本稿では,各正のクラスに対して別々に説明を行い,そのクラス固有の注釈付き領域の外に証拠をペナルティ化する,クラス条件による説明誘導学習フレームワークを提案する。
論文 参考訳(メタデータ) (2026-10-17T02:27:03Z) - HAAF: Hierarchical Adaptation and Alignment of Foundation Models for Few-Shot Pathology Anomaly Detection [10.649984141835189]
階層型適応アライメントフレームワーク(HAAF)を提案する。
中心となるのは、シーケンシャルなキャリブレーション順序を強制するクロスレベルスケールアライメント機構である。
デュアルブランチ推論戦略は、セマンティックスコアと幾何学的プロトタイプを統合して、数ショット設定での安定性を確保する。
論文 参考訳(メタデータ) (2026-01-24T10:31:21Z) - CLARiTy: A Vision Transformer for Multi-Label Classification and Weakly-Supervised Localization of Chest X-ray Pathologies [5.833805519002777]
CLARiTyは、胸椎病変の多ラベル分類と弱教師付き局所化のための視覚変換器に基づくモデルである。
NIH ChestX-ray14データセットの画像レベルラベルに基づいてトレーニングされている。
14の病理にまたがる競争的分類性能と8の病理上での最先端の教師付きローカライゼーション性能を実現している。
論文 参考訳(メタデータ) (2025-12-18T16:04:55Z) - Robust Plant Disease Diagnosis with Few Target-Domain Samples [1.4401311275746886]
優先サンプリングを用いた学習フレームワークTarget-Aware Metric Learningを提案する。
TMPSは、ターゲット(デプロイ)ドメインから限られた数のラベル付きサンプルにアクセスすると仮定して動作する。
TMPSは、同じソースとターゲットのサンプルを併用してトレーニングされたモデルを上回る。
論文 参考訳(メタデータ) (2025-10-14T18:32:57Z) - Interpreting Biomedical VLMs on High-Imbalance Out-of-Distributions: An Insight into BiomedCLIP on Radiology [0.0]
我々は、高度にバランスの取れない、アウト・オブ・ディストリビューションな医療データセットに適用した場合、BiomedCLIPの限界を分析する。
ゼロショット設定下でのモデルは,すべてのラベルを過度に予測し,精度の低下とクラス間分離性に繋がることを示す。
我々は、現実の環境で信頼性と適用性を高めるために、モデルの慎重な適応の必要性を強調します。
論文 参考訳(メタデータ) (2025-06-17T02:59:42Z) - Seeing the Trees for the Forest: Rethinking Weakly-Supervised Medical Visual Grounding [45.248265283405004]
現在のモデルは、非効率な注意機構ときめ細かいトークン表現の欠如により、テキスト記述と病気領域を関連付けるのに苦労している。
本稿では、VLMの説明可能性マップを用いて、適切な画像特徴を識別する病原体認識プロンプト(DAP)を提案する。
DAPは3つの主要な胸部X線データセットの最先端手法と比較して、視覚的接地精度を20.74%向上させる。
論文 参考訳(メタデータ) (2025-05-21T05:16:45Z) - Crane: Context-Guided Prompt Learning and Attention Refinement for Zero-Shot Anomaly Detection [50.343419243749054]
異常検出は、医学診断や工業的欠陥検出などの分野において重要である。
CLIPの粗粒化画像テキストアライメントは、微粒化異常に対する局所化と検出性能を制限する。
クレーンは最先端のZSADを2%から28%に改善し、画像レベルとピクセルレベルの両方で、推論速度では競争力を維持している。
論文 参考訳(メタデータ) (2025-04-15T10:42:25Z) - Rethinking Semi-Supervised Medical Image Segmentation: A
Variance-Reduction Perspective [51.70661197256033]
医用画像セグメンテーションのための階層化グループ理論を用いた半教師付きコントラスト学習フレームワークARCOを提案する。
まず、分散還元推定の概念を用いてARCOを構築することを提案し、特定の分散還元技術が画素/ボクセルレベルのセグメンテーションタスクにおいて特に有用であることを示す。
5つの2D/3D医療データセットと3つのセマンティックセグメンテーションデータセットのラベル設定が異なる8つのベンチマークで、我々のアプローチを実験的に検証する。
論文 参考訳(メタデータ) (2023-02-03T13:50:25Z) - Learning Discriminative Representation via Metric Learning for
Imbalanced Medical Image Classification [52.94051907952536]
本稿では,特徴抽出器がより識別的な特徴表現を抽出するのを助けるために,2段階フレームワークの第1段階にメトリック学習を組み込むことを提案する。
主に3つの医用画像データセットを用いて実験したところ、提案手法は既存の1段階と2段階のアプローチより一貫して優れていた。
論文 参考訳(メタデータ) (2022-07-14T14:57:01Z) - Cross-Site Severity Assessment of COVID-19 from CT Images via Domain
Adaptation [64.59521853145368]
CT画像によるコロナウイルス病2019(COVID-19)の早期かつ正確な重症度評価は,集中治療単位のイベント推定に有効である。
ラベル付きデータを拡張し、分類モデルの一般化能力を向上させるためには、複数のサイトからデータを集約する必要がある。
この課題は、軽度の感染症と重度の感染症の集団不均衡、部位間のドメイン分布の相違、不均一な特徴の存在など、いくつかの課題に直面する。
論文 参考訳(メタデータ) (2021-09-08T07:56:51Z)
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。