文献

J-GLOBAL ID：202202291392040215   整理番号：22A1151620

拡大技術を用いた畳込みネットワークモデルベース葉疾患検出【JST・京大機械翻訳】

Convolution network model based leaf disease detection using augmentation techniques

著者 (4件)： Nagaraju Mamillapally (School of Computer Science and Engineering, Lovely Professional University, Phagwara, India) ,  Chawla Priyanka (School of Computer Science and Engineering, Lovely Professional University, Phagwara, India) ,  Upadhyay Shuchi (Department of Allied Sciences, School of Health Sciences, University of Petroleum and Energy Studies, Dehradun, India) ,  Tiwari Rajeev (SoCS, University of Petroleum and Energy Studies, Dehradun, India)
資料名： Expert Systems  (Expert Systems)
巻： 39  号： 4  ページ： e12885  発行年： 2022年 
JST資料番号： T0510A  ISSN： 0266-4720  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： 農業は国の経済において極めて重要な役割を果たす。したがって,農作物のより良い収率は農業ベースの産業の成長に必要である。深層学習(DL)技術は画像分類と認識において顕著な成果をもたらした。しかし,DLネットワークは,過剰適合を防ぐために大きなデータセットに大きく依存している。画像増強は,過剰適合のリスクを回避する際に注目を集めているDL技術の1つである。既存の研究で使用される回転,ズーム,およびシフトのような最も一般的な画像増強技術は,元の集合から新しい画像を生成し,画像量を増加させるが,誤分類誤差を最小化できない。本研究は,過剰適合と分類問題を取り扱うために畳み込みニューラルネットワークモデルに十分な量の訓練画像を提供するより良い解決策を提供できる。したがって,2つの学習アルゴリズム画像前処理と変換アルゴリズム(IPTA)と画像マスキングとRECベースのハイブリッドセグメンテーションアルゴリズム(IMHSA)を提案して,分類の間,限られたデータセットと畳込みニューラルネットワークモデルの問題点に対処した。IPTAは元の画像を拡張ものに変換するための適応教師つき学習アプローチであり,IMHSAはRed,Green,Blue(RGB)画像セグメンテーションのための教師なし手法である。その後,Histogram閾値技術を適用して,病気の葉を同等の領域に分割するために使用されるすべての可能な領域を形成した。IPTA手法の性能を評価するために,新しい畳込みニューラルネットワークモデルを提案した。モデルは2つの独立したデータセットで訓練され,1つはIPTA後に生成された1つは以前に生成された。精度と損失関数のプロットを用いて,獲得した結果を評価した。実験結果は,IPTAを使用する前に,訓練精度は83%であり,一方,検証精度は65%であった。IPTAを使用した後,提案モデルは74%の訓練精度と73%のバリデーション精度を達成し,それにより過剰適合問題を解決した。実験結果は,提案モデルが画像増強のサポートでRGB画像を分類する間,優れていることを証明した。Copyright 2022 Wiley Publishing Japan K.K. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  *畳込み ,  セグメンテーション ,  *ネットワーク ,  農作物 ,  画像処理 ,  画像 ,  教師つき学習 ,  画像強調 ,  機械学習 ,  学習アルゴリズム
準シソーラス用語： 神経回路網モデル ,  バリデーション ,  画像セグメンテーション ,  画像分類 ,  深層学習 ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (5件)： コンピュータビジョン ,  深層学習 ,  画像前処理技術 ,  ニューラルネットワークモデル ,  パターン認識

分類 (2件)： 人工知能  (JE08000Z) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (5件)： 拡大 ,  畳込み ,  モデルベース ,  葉 ,  疾患検出