流体力学の計算手法をベースとした、高精度の質量推定モデル
論文 : Mass Estimation from Images using Deep Neural Network and Sparse Ground Truth
written by Muhammad K A Hamdan, Daine Rover, John Just
Submitted on 5 Aug 2019
Subjects: Computer Vision and Pattern Recognition (cs.CV); Machine Learning (cs.LG); Machine Learning (stat.ML)
近年、機械学習と他分野の理論を組み合わせることで、新たな成果を生み出すモデルが注目を浴びています。モデルそのものや、学習理論自体を大きく変更することなく、安定化された学習・出力を行うことができる例も多く報告されています。
今回は、農業分野における実用性を考慮に入れた、半教師あり学習を用いてスパースな正解データから、“流体力学”のアイデアを元に精密な質量推定を行うモデルを紹介します。
ちなみに、半教師あり学習とは、”教師あり学習”と”教師なし学習”のちょうど間に位置する学習手法です。少ない正解データと大量のラベルなしデータを元に、学習を行なっていきます。
既存のモデルでは、2次元画像から推定される物体の3次元体積をベースとした質量推定が高い精度を発揮していました。しかしながら、今回紹介する手法は異なる視点からの質量推定に挑戦しています。
画像から質量を測定する
さて、では今回の論文では一体どのように画像から質量を測定しているのでしょうか？
続きを読むには
(3426文字画像9枚)AI-SCHOLARに
登録いただく必要があります。
この記事に関するカテゴリー
