Deep-Learning-based Counting Methods, Datasets, and Applications in Agriculture — A Review

要約

タイトル：農業におけるディープラーニングベースのカウント手法、データセット、そしてアプリケーション-レビュー

要約：
-農業分野ではオブジェクトの数が重要な要素である。
-自動的なカウントは収量の推定、ストレス検知、病気予防などの農民の決定を改善することができる。
-近年、ディープラーニングが農業関連アプリケーションに広く使用されており、従来のコンピュータビジョンアルゴリズムを補完するオブジェクトカウントのために利用されている。
-この論文では、農業におけるカウント手法の過去10年間の進歩と最新技術をレビューして、主にディープラーニング手法に焦点を当てている。
-カウントアルゴリズム、メトリクス、プラットフォーム、センサーの概要、すべての公開データセットのリスト、そしてカウントに使用される様々なディープラーニング手法の詳細な議論を行っている。
-最後に、ディープラーニングによるオブジェクトカウントのオープンな課題について、新しい方向性や将来の展望についても議論している。
-このレビューは、過去10年間に農業におけるオブジェクトカウントの大きな進歩を示しており、これはディープラーニング手法の導入によるものである。

要約(オリジナル)

The number of objects is considered an important factor in a variety of tasks in the agricultural domain. Automated counting can improve farmers decisions regarding yield estimation, stress detection, disease prevention, and more. In recent years, deep learning has been increasingly applied to many agriculture-related applications, complementing conventional computer-vision algorithms for counting agricultural objects. This article reviews progress in the past decade and the state of the art for counting methods in agriculture, focusing on deep-learning methods. It presents an overview of counting algorithms, metrics, platforms, and sensors, a list of all publicly available datasets, and an in-depth discussion of various deep-learning methods used for counting. Finally, it discusses open challenges in object counting using deep learning and gives a glimpse into new directions and future perspectives for counting research. The review reveals a major leap forward in object counting in agriculture in the past decade, led by the penetration of deep learning methods into counting platforms.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI