文献

J-GLOBAL ID：202002288006525046   整理番号：20A2320785

精密家畜農業における深層学習ベース牛セグメンテーションのためのデータ増強【JST・京大機械翻訳】

Data Augmentation for Deep Learning based Cattle Segmentation in Precision Livestock Farming

著者 (6件)： Qiao Yongliang (University of Sydney,Australian Centre for Field Robotics,Australia) ,  Su Daobilige (University of Sydney,Australian Centre for Field Robotics,Australia) ,  Kong He (University of Sydney,Australian Centre for Field Robotics,Australia) ,  Sukkarieh Salah (University of Sydney,Australian Centre for Field Robotics,Australia) ,  Lomax Sabrina (University of Sydney,Livestock Production and Welfare Group, School of Life and Environmental Sciences,Australia) ,  Clark Cameron (University of Sydney,Livestock Production and Welfare Group, School of Life and Environmental Sciences,Australia)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： CASE  ページ： 979-984  発行年： 2020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： ウシの正確なセグメンテーションは特徴抽出と推定のための必要条件である。大規模ラベル付きデータセットに関するモデルを訓練する畳込みニューラルネットワーク(CNN)は,高レベルのセグメンテーション性能を達成した。しかし,ウシ画像のピクセルワイズマニュアルラベリングは,ウシ輪郭の不規則性のため,挑戦的で時間がかかる。これに関して,深層学習に基づくウシセグメンテーションのためのデータ増強が必要である。提案したデータ増強アプローチは,訓練画像とそれらの対応するラベルの数を拡大するためにランダム画像作付けとパッチングを使用して,次に,最先端の深層ニューラルネットワークを訓練して,ウシ画像をセグメント化した。ここでは,これらの技術をフィードロット環境におけるウシの画像に適用した。著者らのデータ増強ベース手法は,99.5%平均精度(mAcc)と97.3%平均インターセクション(mIoU)を有する複雑な背景からウシを分割し,ランダムフリッピング,回転およびカラージッタの組合せを含む現在の技術を改善した。Copyright 2020 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： *セグメンテーション ,  農業 ,  *家畜 ,  特徴抽出 ,  肥育場 ,  ジッタ ,  必要条件
準シソーラス用語： 不規則性 ,  作付け ,  *深層学習 ,  ディープニューラルネットワーク ,  畳込みニューラルネットワーク , 【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 (6件)： 家畜 ,  農業 ,  深層学習 ,  牛 ,  セグメンテーション ,  データ増強