文献

J-GLOBAL ID：202202257084301483   整理番号：22A0483018

将来の植物画像の形状ベース深層推定【JST・京大機械翻訳】

Shape Based Deep Estimation of Future Plant Images

著者 (5件)： Jung Joo-Yeon (School of Electrical Engineering, Korea University, Seoul, South Korea) ,  Lee Sang-Ho (School of Electrical Engineering, Korea University, Seoul, South Korea) ,  Kim Tae-Hyeon (School of Electrical Engineering, Korea University, Seoul, South Korea) ,  Oh Myung-Min (Department of Horticultural Science, Chungbuk National University, Cheongju, South Korea) ,  Kim Jong-Ok (School of Electrical Engineering, Korea University, Seoul, South Korea)
資料名： IEEE Access  (IEEE Access)
巻： 10  ページ： 4763-4776  発行年： 2022年 
JST資料番号： W2422A  ISSN： 2169-3536  資料種別： 逐次刊行物 (A)
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： 植物は成長するにつれて動的変化を示す。例えば,新しい葉は突然出現し,時間とともに回転し,折畳まれる。したがって,植物の成長を予測することは困難である。正確な成長予測のために,葉の形状,色およびテクスチャを予測することが重要である。従来手法では,次のプラントを一度予測するためにRGB画像を使用する。本論文では,形状推定とカラー再構成の二つのサブネットに分割される新しい深層ネットワークを提案する。最初に,形状推定のために空間変圧器ネットワーク(STN)を用いて,4つの灰色時系列画像を将来のターゲットに整列させた。次に,それらを2つのLSTMを用いてU-Netを用いて融合し,将来の形状画像を生成した。カラー再構成サブネットは,色情報を復元するためにRGBプラント画像と予測形状を融合する。さらに,簡単な情報とRGB画像のみを有する二値画像の代わりに,形状推定のためのテクスチャ情報を有する灰色画像を用いて,あまりに多くの情報を得た。提案した深層ネットワークは,植物成長予測のために将来の植物画像をロバストに発生できる。異なるタイプの植物に対する2つの公共データセットと同様に,著者らの専用データセットを用いて評価した。実験結果は,提案ネットワークがより正確に葉形状を予測し,RGBを復元することを証明した。その結果,この方法は正確な将来のプラント画像を生成することができる。Copyright 2022 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： 変圧器 ,  *ネットワーク ,  プラント ,  植物成長 ,  再構成 ,  深層 ,  ロバスト性 ,  二値画像
準シソーラス用語： 時系列画像 ,  形状推定 ,  サブネットワーク ,  動的変化 , 【Automatic Indexing@JST】

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (3件)： 植物 ,  深層 ,  推定