文献

J-GLOBAL ID：201902222187841846   整理番号：19A0125294

Pomelo葉における害虫同定のための浅くて深い学習アーキテクチャ【JST・京大機械翻訳】

Shallow and Deep Learning Architecture for Pests Identification on Pomelo Leaf

著者 (5件)： Truong Quoc Bao (College of Engineering Technology, Can Tho University, Can Tho, Vietnam) ,  Thanh Tan Kiet Nguyen (College of Information & Communications Technology, Can Tho University, Can Tho, Vietnam) ,  Nguyen Minh Triet (Mekong Delta branch, SaiGon Postel Corp, Can Tho, Vietnam) ,  Truong Quoc Dinh (College of Information & Communications Technology, Can Tho University, Can Tho, Vietnam) ,  Huynh Hiep Xuan (College of Information & Communications Technology, Can Tho University, Can Tho, Vietnam)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： KSE  ページ： 335-340  発行年： 2018年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 本研究では,葉パターンからの害虫同定の問題に対する2つの方法を用いて提案した。まず第一に,著者らは,抽出された3つの特徴を有する伝統的な認識浅いアーキテクチャを使用する。すなわち,色モーメント,カラー相関図,Zernikeモーメント,次にSVMアルゴリズムによって分類するために使用されるこれらの特徴である。第二に,認識目的のために深い畳込みニューラルネットワーク(CNN)を適用した。著者らは,ポメロ葉における4つの異なる種類の害虫を考察する。すなわち,黒いバグ,カタツムリ,メバチ,鱗昆虫,それぞれ400の画像と700の画像の葉はplではない。CNNの導入により,最新のパイプラインの状態における標準として,ハンドクロフト特徴抽出器の使用を回避し,このアプローチは参照パイプラインの精度を改善する。これらの結果は,両方の提案した方法が有望な結果を達成し,実際に害虫を同定するために適用できることを示した。Copyright 2019 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *害虫 ,  モーメント ,  画像 ,  アルゴリズム ,  昆虫類 ,  *学習 ,  ソフトウェア障害 ,  特徴抽出 ,  *計算機アーキテクチャ
準シソーラス用語： 畳込みニューラルネットワーク ,  Zernikeモーメント ,  散布図 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： 葉 ,  害虫 ,  同定 ,  学習 ,  アーキテクチャ