PulseAugur
中
实时 19:55:27
English(EN) The Effects of Synthetic Data and Label Distribution on Canola Branch Counting

研究发现：合成数据可提高油菜分枝计数准确性 · arXiv 研究

作者 PulseAugur 编辑部 · [2 个来源] ·

研究人员使用ResNet-18模型研究了合成数据和标签分布对油菜分枝计数的影响。他们的发现表明，引入合成数据可以提高性能，其中合成数据与真实数据图像的最佳比例为1:7，与仅使用真实数据训练相比，平均绝对差降低了7.6%。研究还发现，合成数据中的标签分布至关重要，均匀分布效果不佳。通过高斯平滑等方法将合成数据标签插值到更接近真实数据分布，取得了最佳结果，性能提高了14.7%。 AI

影响 这项研究展示了如何优化用于农业表型分析的合成数据生成，从而可能降低AI模型数据收集的成本和时间。

排序理由 详细说明具体研究发现的学术论文。

在 arXiv cs.CV 阅读 →

AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →

研究发现：合成数据可提高油菜分枝计数准确性 · arXiv 研究

报道来源 [2]

  1. arXiv cs.CV TIER_1 English(EN) · Amirsalar Darvishpour, Mikolaj Cieslak, Adam Runions ·

    合成数据和标签分布对油菜分枝计数的_影响

    arXiv:2607.09630v1 Announce Type: new Abstract: Collecting annotated plant images for automated phenotyping is often slow and expensive. Plant models simulating growth and development can generate unlimited synthetic images with exact labels. However, previous work has establishe…

  2. arXiv cs.CV TIER_1 English(EN) · Adam Runions ·

    合成数据和标签分布对油菜分枝计数的_影响

    Collecting annotated plant images for automated phenotyping is often slow and expensive. Plant models simulating growth and development can generate unlimited synthetic images with exact labels. However, previous work has established that whether incorporating synthetic data impr…

相关实体

相关话题