Automatic Detection of Rice Disease in Images of Various Leaf Sizes 稲作農家が設備や専門知識不足の問題に取り組むのを支援するには、迅速で正確かつ手頃な価格の稲病検出方法が必要です。本論文では、水田の写真画像からイネの病気を検出するためのコンピュータビジョン技術を使用したソリューションに焦点を当てました。一般農家が実際に使用した画像を扱うことは、さまざまな環境要因のために非常に困難であり、米の葉のオブジェクトサイズの変動は、パフォーマンスの低下を引き起こす主な要因の1つです。この問題を解決するために、元の入力画像を分割するためのサイズ基準として、画像内の米の葉の自動的に推定された幅サイズに基づいて、CNNオブジェクト検出と画像タイリング技術を組み合わせた手法を提示しました。葉の幅を推定するモデルは、18層のResNetアーキ
広い視野(FOV)での画像の高解像度合成/投影は、波面変調器の制限された空間帯域幅積(SBP)によって妨げられます。低解像度の波面変調器を使用して超解像画像を合成/投影するために、電子エンコーダーと回折光デコーダーの共同トレーニングされたペアに基づく深層学習対応の回折ディスプレイ設計を報告します。訓練された畳み込みニューラルネットワーク(CNN)で構成されるデジタルエンコーダーは、対象の高解像度画像を迅速に前処理し、その空間情報が低解像度(LR)変調パターンにエンコードされ、低SBP波面変調器を介して投影されます。 。回折デコーダーは、ディープラーニングを使用して構造化された薄い透過層を使用してこのLRエンコード情報を処理し、出力FOVで超解像画像を全光学的に合成および投影します。私たちの結果は、この回折画像ディスプレイが最大4倍の超解像係数を達成できることを示しており、SBPが約16倍に
Self-Supervised Pretraining for Differentially Private Learning 自己監視事前トレーニング(SSP)は、画像分類で利用可能な公開データセットのサイズに関係なく、差分プライバシー(DP)を使用したディープラーニングのスケーラブルなソリューションであることを示します。公開データセットの不足に直面した場合、1つの画像でSSPによって生成された機能により、プライベート分類器が同じプライバシー予算の下で学習されていない手作りの機能よりもはるかに優れたユーティリティを取得できることを示します。中規模または大規模のパブリックデータセットが利用可能な場合、SSPによって生成される機能は、同じプライベート予算の下でさまざまな複雑なプライベートデータセットのラベルでトレーニングされた機能を大幅に上回ります。また、複数のDP対応トレーニングフレームワ
クロスエントロピー損失は、深層学習と勾配ブースティングで分類モデルをトレーニングするために使用される標準的なメトリックです。この損失関数は、ターゲットの異なる値間の類似性を説明できないことはよく知られています。標準エントロピーの多くの理論的特性を保持する方法でターゲット変数の構造を組み込むためにランダムパーティションを使用する構造化エントロピーと呼ばれるエントロピーの一般化を提案します。構造化されたクロスエントロピー損失が、ターゲット変数が事前に既知の構造を持っているいくつかの分類問題でより良い結果をもたらすことを示します。このアプローチは、シンプルで柔軟性があり、簡単に計算でき、階層的に定義された構造の概念に依存しません。 Cross-entropy loss is the standard metric used to train classification models in de
運動学的運動の時空間空間を学習するための暗黙の神経表現を提示します。離散的な連続サンプルとしてモーションを表す以前の作業とは異なり、広大なモーションスペースを時間の経過に伴う連続関数として表現することを提案します。そのため、Neural Motion Fields(NeMF)という名前が付けられています。具体的には、ニューラルネットワークを使用して、さまざまなモーションのセットに対してこの関数を学習します。これは、スタイルを制御するための時間座標tとランダムベクトルzを条件とする生成モデルとして設計されています。次に、モデルは、潜在空間をサンプリングするためのモーションエンコーダーを備えた変分オートエンコーダー(VAE)としてトレーニングされます。多様な人間のモーションデータセットと4倍のデータセットを使用してモデルをトレーニングし、その汎用性を証明し、タスクに依存しない問題を解決する前に
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く