ترجمه فارسی مقاله D4: تقویت داده تطبیقی ​​دامنه مبتنی بر مدل انتشار مبتنی بر متن برای تشخیص تیرهای تاکستان

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 37,500 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی
عنوان مقاله به انگلیسی D4: Text-guided diffusion model-based domain adaptive data augmentation for vineyard shoot detection
عنوان مقاله به فارسی D4: تقویت داده تطبیقی ​​دامنه مبتنی بر مدل انتشار مبتنی بر متن برای تشخیص تیرهای تاکستان
نویسندگان Kentaro Hirahara, Chikahito Nakane, Hajime Ebisawa, Tsuyoshi Kuroda, Yohei Iwaki, Tomoyoshi Utsumi, Yuichiro Nomura, Makoto Koike, Hiroshi Mineno
فرمت مقاله انگلیسی PDF
تعداد صفحات 24
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Computer Vision and Pattern Recognition,Artificial Intelligence,Machine Learning,چشم انداز رایانه و تشخیص الگوی , هوش مصنوعی , یادگیری ماشین ,
توضیحات Submitted 6 September, 2024; originally announced September 2024.
توضیحات به فارسی ارسال شده در 6 سپتامبر 2024 ؛در ابتدا سپتامبر 2024 اعلام شد.
اطلاعات بیشتر از این مقاله در پایگاه های علمی INSPIRE HEP
NASA ADS
Google Scholar
Semantic Scholar

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

چکیده

In an agricultural field, plant phenotyping using object detection models is gaining attention. However, collecting the training data necessary to create generic and high-precision models is extremely challenging due to the difficulty of annotation and the diversity of domains. Furthermore, it is difficult to transfer training data across different crops, and although machine learning models effective for specific environments, conditions, or crops have been developed, they cannot be widely applied in actual fields. In this study, we propose a generative data augmentation method (D4) for vineyard shoot detection. D4 uses a pre-trained text-guided diffusion model based on a large number of original images culled from video data collected by unmanned ground vehicles or other means, and a small number of annotated datasets. The proposed method generates new annotated images with background information adapted to the target domain while retaining annotation information necessary for object detection. In addition, D4 overcomes the lack of training data in agriculture, including the difficulty of annotation and diversity of domains. We confirmed that this generative data augmentation method improved the mean average precision by up to 28.65% for the BBox detection task and the average precision by up to 13.73% for the keypoint detection task for vineyard shoot detection. Our generative data augmentation method D4 is expected to simultaneously solve the cost and domain diversity issues of training data generation in agriculture and improve the generalization performance of detection models.

چکیده به فارسی (ترجمه ماشینی)

در یک زمینه کشاورزی ، فنوتیپ گیاهی با استفاده از مدل های تشخیص شیء توجه می کند.با این حال ، جمع آوری داده های آموزشی لازم برای ایجاد مدلهای با دقت عمومی و با دقت بالا به دلیل دشواری حاشیه نویسی و تنوع دامنه ها بسیار چالش برانگیز است.علاوه بر این ، انتقال داده های آموزش در محصولات مختلف دشوار است ، و اگرچه مدل های یادگیری ماشین برای محیط های خاص ، شرایط یا محصولات زراعی مؤثر هستند ، اما در زمینه های واقعی قابل استفاده نیستند.در این مطالعه ، ما یک روش تقویت داده های تولیدی (D4) برای تشخیص شاخه تاکستان پیشنهاد می کنیم.D4 از یک مدل انتشار متن هدایت شده از قبل آموزش داده شده بر اساس تعداد زیادی از تصاویر اصلی که از داده های ویدیویی جمع آوری شده توسط وسایل نقلیه زمینی بدون سرنشین یا وسایل دیگر و تعداد کمی از مجموعه داده های حاشیه نویسی استفاده می شود ، استفاده می کند.روش پیشنهادی تصاویر جدید حاشیه نویسی را با اطلاعات پس زمینه سازگار با دامنه هدف در حالی که اطلاعات حاشیه نویسی لازم برای تشخیص شی را ایجاد می کند ، تولید می کند.علاوه بر این ، D4 بر عدم وجود داده های آموزش در کشاورزی ، از جمله دشواری حاشیه نویسی و تنوع دامنه ها غلبه می کند.ما تأیید کردیم که این روش تقویت داده های تولیدی میانگین میانگین دقت را تا 28.65 ٪ برای کار تشخیص Bbox و میانگین دقت تا 13.73 ٪ برای کار تشخیص صفحه کلید برای تشخیص شاخه تاکستان بهبود بخشید.انتظار می رود روش تقویت داده های تولیدی ما D4 به طور همزمان مسائل مربوط به هزینه و تنوع دامنه آموزش تولید داده ها در کشاورزی و بهبود عملکرد تعمیم مدل های تشخیص را حل کند.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.