文献
J-GLOBAL ID:202202233944111441   整理番号:22A0893661

改良された残留ネットワークによるリンゴ葉病認識方法【JST・京大機械翻訳】

Apple leaf disease recognition method with improved residual network
著者 (7件):
資料名:
巻: 81  号:ページ: 7759-7782  発行年: 2022年 
JST資料番号: W1102A  ISSN: 1380-7501  資料種別: 逐次刊行物 (A)
記事区分: 原著論文  発行国: ドイツ (DEU)  言語: 英語 (EN)
抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
リンゴ病害の発生は,リンゴの品質と収量に劇的に影響した。病気モニタリングは,リンゴ産業の健全な開発を確実にする重要な方法である。残差ネットワーク(ResNet50)に基づいて,本論文はMSO-ResNet(多段階最適化ResNet)リンゴ葉疾患認識モデルを提案した。畳込みカーネルを分解して,同一性マッピング法を更新して,残留モジュールの数を減らし,バッチ正規化層を置き換えることによって,モデルの同定精度と速度を改良して,モデルパラメータの数を減らした。実験結果は,葉疾患同定のための提案モデルの平均精度,再現,およびF1スコアが,それぞれ0.957,0.958,および0.957であることを示した。パラメータメモリは14.77MBであり,各画像の認識時間は25.84msであった。提案モデルの全体的性能は,他のモデルのものより良かった。本論文で提案したモデルは,高い認識性能と強いロバスト性を持ち,リンゴ葉病害の自動認識のための重要な技術的支援を提供できる。Copyright The Author(s), under exclusive licence to Springer Science+Business Media, LLC, part of Springer Nature 2022 Translated from English into Japanese by JST.【JST・京大機械翻訳】
シソーラス用語:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。

準シソーラス用語:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
, 【Automatic Indexing@JST】
分類 (2件):
分類
JSTが定めた文献の分類名称とコードです
果樹  ,  パターン認識 
タイトルに関連する用語 (3件):
タイトルに関連する用語
J-GLOBALで独自に切り出した文献タイトルの用語をもとにしたキーワードです

前のページに戻る