מושגי ליבה
マスクされた画像モデリングを用いた自己教師あり学習により、農業用画像の正常な特徴を学習し、異常領域を効果的に検出する。
תקציר
本研究では、マスクされた画像モデリングを用いた自己教師あり学習手法を提案し、農業用UAV画像の異常検出に適用している。
マスクされた画像モデリングにより、教師なしで正常な特徴を学習し、異常領域の再構成誤差が高くなるようにする。
Swin Transformerを用いることで、局所的および大域的な特徴を効果的に学習できる。
異常抑制損失関数を導入することで、異常サンプルを含む学習データでも高い性能を発揮できる。
Agriculture-Visionデータセットで評価した結果、従来手法に比べて6.3%のmIoU改善を達成した。
単一のモデルで全ての異常クラスに対して高い汎化性能を示した。
סטטיסטיקה
異常領域の再構成誤差が正常領域に比べて高くなる
異常領域の再構成誤差は平均で最大誤差から差し引いた値で重み付けされる
ציטוטים
マスクされた画像モデリングにより、教師なしで正常な特徴を学習し、異常領域の再構成誤差が高くなるようにする。
Swin Transformerを用いることで、局所的および大域的な特徴を効果的に学習できる。
異常抑制損失関数を導入することで、異常サンプルを含む学習データでも高い性能を発揮できる。