文献

J-GLOBAL ID：201802240046260981   整理番号：18A0178335

画像からの植物の微粒子感知

Fine-grained recognition of plants from images

著者 (2件)： SULC Milan (FEE CTU in Prague, Prague, CZE) ,  MATAS Jiri (FEE CTU in Prague, Prague, CZE)
資料名： Plant Methods (Web)  (Plant Methods (Web))
巻： 13  号： Dec  ページ： 13:115 (WEB ONLY)  発行年： 2017年12月 
JST資料番号： U7033A  ISSN： 1746-4811  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： [背景]画像からの,植物の微粒子感知は,形の多様さ,植物の複雑な構造,クラス内変異が高い事,クラス間差異が小さいことから,難しいコンピュータービジョン作業である。著者らは最新の技術をレビューし,「野生環境」における一般的な植物感知のための,特異的な植物器官からの植物の同定から,植物感知作業を議論した。[結果]著者らは,様々な植物の感知作業のために,テクスチャ解析とディープラーニング法を提案した。本方法を評価し,最新式のものと比較した。テクスチャ解析は,明らかな違いのある画像(皮と葉の認識)にのみ適用した一方,CNNは十分に大きなデータベースが利用可能な場合のみに適用した。その結果,様々な植物感知作業の複雑性における洞察を示した。提案した方法は,葉および皮分類において最新式を上回り,「野生環境」における植物の感知において,拮抗するような結果を示した。[結論]本結果は,大量のトレーニングデータが利用可能な場合に,セグメント化された葉の感知は,実質的に問題を解決しすることを示唆するものである。最新のCNNの一般性および高い能力により,それらは,植物器官または植物に関する見解がかなり異なる「野生環境」にある植物検知に適するものとなり,閉塞と背景混乱により,むずかしさが増す。(翻訳著者抄録)

シソーラス用語： 生息環境 ,  *植物生理 ,  微粒子 ,  *分子認識 ,  *コンピュータビジョン ,  計算機アルゴリズム ,  画像分析 ,  機械学習 ,  ニューラルネットワーク
準シソーラス用語： テクスチャ解析 ,  ディープラーニング

分類 (3件)： 植物学研究法  (EH01020C) ,  植物生理学一般  (EH02010Y) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (3件)： 植物 ,  微粒子 ,  感知