文献
J-GLOBAL ID:202202288015410872   整理番号:22A0963615

実世界プラント同定のための軽量深層学習モデル【JST・京大機械翻訳】

A Light Weight Deep Learning Model for Real World Plant Identification
著者 (6件):
資料名:
巻: 2022  号: DCHPC  ページ: 40-45  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:
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。
異なる植物葉種の自動同定と分類は,研究者と科学者の間で共通の傾向になった。より良い精度を有する結果を得るために,それらは,モデルを構築するために,様々な方法と深層学習の技術を使用する。畳み込みニューラルネットワークは,植物葉を分類する科学者によって使われる最も一般的な方法になっている。しかし,植物葉の分類は,より希少な種および複雑な背景で挑戦的であり,研究者は,高レベル精度を達成するためにいくつかのモデルを構築する。本研究では,葉の分類のために,収集したデータセットに基づく植物葉分類のためのモデルを作成した。著者らは,よく知られたCNNアーキテクチャであるResnet-50モデルを使用し,それは,訓練および低時間消費のためのより少ないパラメータがあるように,複雑性を減らすために,深い分類を組織化して,解析するための効率的方法を提供した。Resnet-50を用いて,著者らの分類モデルにおいて有意な結果を開発することを意図した。畳み込みニューラルネットワークは,特徴抽出と分類におけるその影響能力のために有名な。そして,残差ネットワークであるResnet-50は,著者らのモデルにおいて深いネットワークを訓練することを可能にした。平均訓練精度は98.3%に達したが,平均試験精度は92.5%に達した。本研究の主要な貢献は,実際の世界環境から準備された著者ら自身の準備データセットに関するモデルを訓練しただけでなく,有効な精度である。データアベイラビリティ:https://drive.google.com/file/d/1bD7B257l-6wqUCQHBWhle95xyrotUbwO/view?usp=sharing。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:
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 (1件):
分類
JSTが定めた文献の分類名称とコードです
図形・画像処理一般 

前のページに戻る