文献

J-GLOBAL ID：201802238578579831   整理番号：18A1686358

植物病害分類のための深層学習と移動学習の有効性に及ぼすデータセットサイズと品種の影響【JST・京大機械翻訳】

Impact of dataset size and variety on the effectiveness of deep learning and transfer learning for plant disease classification

著者 (1件)： Barbedo Jayme Garcia Arnal (Embrapa Agricultural Informatics, Av. Andre Tosello, 209 - C.P. 6041, Campinas, SP 13083-886, Brazil)
資料名： Computers and Electronics in Agriculture  (Computers and Electronics in Agriculture)
巻： 153  ページ： 46-53  発行年： 2018年 
JST資料番号： T0337A  ISSN： 0168-1699  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 植物病害の自動認識の問題は,サポートベクトルマシン,多層パーセプトロンニューラルネットワークおよび決定木のような従来の機械学習技術に基づいている。しかしながら,支配的なアプローチは,畳込みニューラルネットワーク(CNNs)に焦点を合わせて,深い学習概念の応用にシフトした。一般的に,この種の技術は,適切に作動するための広範囲の条件を含む大きなデータセットを必要とする。これは,適切な画像データベースの構築に含まれる多くの課題を与える重要な限界である。この文脈において,本研究では,データセットのサイズと多様性が植物病理に適用される深い学習技術の有効性にどのように影響するかを調べた。本研究は,12の植物種を含む画像データベースに基づいており,それぞれ,サンプル数,病気数および条件の多様性に関して非常に異なる特性を示した。実験結果は,自動植物病害分類にリンクした技術的制約が大きく克服されているが,訓練のための限られた画像データセットの使用は,このタイプの技術の効果的な普及を妨げる多くの望ましくない結果をもたらすことを示した。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *学習 ,  画像処理 ,  画像データベース ,  *植物病害 ,  *品種 ,  サポートベクトルマシン ,  ディシジョンツリー
準シソーラス用語： 画像データ ,  植物種 ,  植物病理 ,  畳込みニューラルネットワーク ,  機械学習技術 ,  多層パーセプトロンニューラルネットワーク ,  自動認識 ,  *深層学習 , 【Automatic Indexing@JST】

著者キーワード (4件)： 画像処理 ,  ディープニューラルネット ,  画像データベース ,  疾患分類

分類 (2件)： 医用画像処理  (JE04020T) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (8件)： 植物病害 ,  分類 ,  深層学習 ,  学習 ,  有効性 ,  データセット ,  サイズ ,  品種