文献

J-GLOBAL ID：201902241736123570   整理番号：19A1312938

意味的プラント部品セグメンテーションのための畳込みニューラルネットワークの合成ブートストラッピング【JST・京大機械翻訳】

Synthetic bootstrapping of convolutional neural networks for semantic plant part segmentation

著者 (5件)： Barth R. (Wageningen University & Research, Greenhouse Horticulture, P.O. Box 644, 6700 AP Wageningen, The Netherlands) ,  Barth R. (Harvard University, Biorobotics Laboratory, 60 Oxford street, Cambridge, MA, USA) ,  IJsselmuiden J. (Wageningen University & Research, Farm Technology Group, P.O. Box 16, 6700 AA Wageningen, The Netherlands c Harvard University, Biorobotics Laboratory, 60 Oxford street, Cambridge, MA, United States of America.) ,  Hemming J. (Wageningen University & Research, Greenhouse Horticulture, P.O. Box 644, 6700 AP Wageningen, The Netherlands) ,  Van Henten E.J. (Wageningen University & Research, Farm Technology Group, P.O. Box 16, 6700 AA Wageningen, The Netherlands c Harvard University, Biorobotics Laboratory, 60 Oxford street, Cambridge, MA, United States of America.)
資料名： Computers and Electronics in Agriculture  (Computers and Electronics in Agriculture)
巻： 161  ページ： 291-304  発行年： 2019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： 農業,例えば畳込みニューラルネットワーク(CNNs)における画像セグメンテーションのための最先端の機械学習法の現在のボトルネックは,画素ごとのレベルにおける大規模な人手で注釈されたデータセットの必要条件である。本論文では,関連する合成画像が,他の学習戦略と比較して,学習を成功させるために,どのようにしているのかを調べた。著者らは,小さな人手で注釈された経験的データセットが,総合的にブートストラップされたCNNを微調整するために十分であると仮定する。さらに,(i)複数の深い学習アーキテクチャ,(ii)部分セグメンテーション性能に関する合成と経験的データセットサイズの間の相関,(iii)条件付きランダムフィールド(CRF)を用いた後処理の効果,および(iv)他の関連データセットに対する一般化性能を調べた。これに対して,7画素レベルの注釈付け部分クラスを持つ50の経験的および10,500の合成画像を含むCapsicum annuum(ベルまたはピーマン)データセットを用いて7つの実験を行った。結果は,CNNが関連する合成データにブートストラップされたとき,すべての7つのクラス(平均IOU=0.40)で最高の性能を得るために,30の経験的画像だけが必要であるという仮説を確認した。さらに,著者らは,VGG-16ネットワークが,トーラス空間ピラミッドプールを含むように修正されたとき,最適な経験的性能を見つけた。CRFの添加は合成データの性能を改善した。訓練二値分類器は結果を改善しなかった。データセットサイズと性能の間に正の相関を見出した。合成データセットに対して,学習は3000画像の周りで安定化する。他の関連データセットへの一般化が可能であることを証明した。Copyright 2019 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： 画像 ,  機械学習 ,  画素 ,  *プラント ,  農業 ,  *セグメンテーション ,  *ネットワーク ,  計算機アーキテクチャ ,  アノテーション ,  ピーマン ,  必要条件 ,  学習
準シソーラス用語： 微調整 ,  画像セグメンテーション ,  *畳込みニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (5件)： コンピュータビジョン ,  意味セグメンテーション ,  合成データセット ,  ブートストラッピング ,  ビッグデータ

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)： 意味 ,  プラント ,  セグメンテーション ,  畳込みニューラルネットワーク ,  ブートストラッピング