- 10月 28, 2026
衛星画像の作物分類精度向上|地上写真教師による知識蒸留の最新手法
地上写真の視覚情報を衛星画像モデルへ転移させる知識蒸留手法を提案した。推論時には地上写真が不要でありながら、時間や地域が変わっても分類精度の低下を抑え、運用コストと精度の両立に貢献する。
地上写真の視覚情報を衛星画像モデルへ転移させる知識蒸留手法を提案した。推論時には地上写真が不要でありながら、時間や地域が変わっても分類精度の低下を抑え、運用コストと精度の両立に貢献する。
AlphaEarth埋め込みは、従来のNDVI等よりも作物間の分布的重なりを明確に分離し、輪作動態の検出に優れる。一方で、地域間転移では調和特徴が有利であり、両者を組み合わせたハイブリッド戦略が有効である。
農業における Weed 検出の精度向上を目指し、複数の公開データセットを用いた YOLO26 ベンチマークを実施。モデルの性能とドメインシフトの影響を明らかにした。
知識駆動型統合フレームワークで病害分類と重症度評価を実現 📄 論文サマリー 著者:Yuan Z、Wu X、Liu Y 他6名 発表:arXiv(europepmc)/pmc:PMC13276328 公開日:2026年06月06日 ✨ 本論文の新規性 Plant disease classificationとseverity gradingを統合した新しい知識駆動型フレームワークを提案 Contra […]