文献

J-GLOBAL ID：202202285638646737   整理番号：22A0978949

葉画像分類のための特徴融合【JST・京大機械翻訳】

Feature Fusion for Leaf Image Classification

著者 (2件)： Okuda Moeri (Univerisity of Hyogo,Kobe,Japan) ,  Ohshima Hiroaki (Univerisity of Hyogo,Kobe,Japan)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2022  号： BigComp  ページ： 259-262  発行年： 2022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： 本論文では,深層学習による葉画像から樹木種の分類問題に取り組んだ。第1に,単一葉特徴,葉形状特徴のみ,または葉脈特徴のみ,単一葉特徴に焦点を絞って,深層学習で葉画像を分類した。分類精度に寄与する葉の特徴は種に依存して異なる。第2に,全葉,葉形および葉脈特徴を結合することにより葉画像を分類した。これらの特徴を特徴融合として定義する。特徴融合の後,分類性能は92.07%に向上した。人々が,どの葉の特徴に焦点を当てるかを教えることが重要である。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： *葉脈
準シソーラス用語： *画像分類 ,  形状特徴 ,  分類精度 ,  *特徴融合 ,  深層学習 , 【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 (3件)： 葉 ,  画像分類 ,  特徴融合