植物病理学分類のための効率的なネットアーキテクチャ上の半教師付き雑音のある学生予訓練【JST・京大機械翻訳】

Keh Sedrick Scott

プレプリント

J-GLOBAL ID：202202203968585056 整理番号：22P0214029

植物病理学分類のための効率的なネットアーキテクチャ上の半教師付き雑音のある学生予訓練【JST・京大機械翻訳】

Semi-Supervised Noisy Student Pre-training on EfficientNet Architectures for Plant Pathology Classification

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (1件)：
資料名：
発行年： 2020年12月01日プレプリントサーバーでの情報更新日： 2020年12月01日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

近年,深層学習は植物における種々の疾患の同定と診断を大きく改善した。本報告では,単一葉の画像を用いた病理学分類の問題を検討した。タスクに関する0.945スコアを達成するために,VGG16,ResNet101,および高密度Net 161のような標準ベンチマークモデルの使用を調査した。さらに,より新しい効率的なNetモデルの使用を検討し,精度を0.962に改善した。最後に,効率的Netに対する半教師つきNoisy Student訓練の最先端のアイデアを導入し,精度および収束速度の両方の大幅な改善をもたらした。最終的アンサンブルNoisy Studentモデルは,タスクに関して非常に良く機能して,0.982の試験スコアを達成した。【JST・京大機械翻訳】

, , , , , ,
, , , , 【Automatic Indexing@JST】

パターン認識 , 人工知能

, , , , , , ,

前のページに戻る