- 9月 30, 2026
衛星画像時系列で作物分類を高精度化|3次元注意機構「Cropland PAtteRNS」
Sentinel-2衛星画像の時系列データに対し、時間・波長・空間の各次元で独立した注意機構を持つ新モデル「Cropland PAtteRNS」を提案。PASTISやMTLCCデータセットでSOTAモデルを上回る精度、特に境界画質(Boundary IoU)で優位性を示した。
Sentinel-2衛星画像の時系列データに対し、時間・波長・空間の各次元で独立した注意機構を持つ新モデル「Cropland PAtteRNS」を提案。PASTISやMTLCCデータセットでSOTAモデルを上回る精度、特に境界画質(Boundary IoU)で優位性を示した。
地形情報を活用した高解像度稲作マッピングの新手法TRNetの開発と評価 📄 論文サマリー 著者:Kaiwen Xiao、Chunlong Fu、Liping Zheng、Yanfeng Su 発表:arXiv(コンピュータビジョン)/2608.04154v1 公開日:2026年08月04日 ✨ 本論文の新規性 地形情報を用いた周波数領域での視覚的特徴調整手法TESRを提案し、急斜面の誤検出を抑制 […]
ST-LoRAで農業画像のセグメンテーションを効率的に不確実性推定 📄 論文サマリー 著者:Mohamed Farag、Genc Hoxha、Yahia Maleki、Chris McCool、Ribana Roscher 発表:arXiv(コンピュータビジョン)/2608.01530v1 公開日:2026年08月02日 ✨ 本論文の新規性 単一学習軌跡からLoRAアダプターを用いたアンサンブルを […]
UAVマルチスペクトル画像を用いた稲病のセマンティックセグメンテーション:U-Net++の精度と効率性を評価 📄 論文サマリー 著者:Yadav Raj Ghimire、Jagrati Talreja、Tewodros Syum Gebre 他3名 発表:arXiv(コンピュータビジョン)/2606.06359v1 公開日:2026年06月04日 ✨ 本論文の新規性 U-Net++とEfficie […]