huinuo huinuo

PhenoTrait论坛百博智慧大讲堂亚太表型会议
EN

lukuan

学术中心

全部分类
您现在的位置：
首页
/
学术中心
/
植物表型资讯
/
在自监督学习框架上使用域随机化对种子进行分类

在自监督学习框架上使用域随机化对种子进行分类

  • 分类：植物表型资讯
  • 作者：PhenoTrait
  • 来源：本站
  • 发布时间：2021-04-26 06:10
  • 访问量：

【概要描述】本文利用对比学习和领域随机化的概念达到了该目的。简而言之，领域随机化是一种将在包含模拟对象图像上训练的模型应用于真实世界对象的技术。从真实世界图像的代表性样本中生成合成图像的使用，减轻了对测试材料样本量大的问题。

在自监督学习框架上使用域随机化对种子进行分类

【概要描述】本文利用对比学习和领域随机化的概念达到了该目的。简而言之，领域随机化是一种将在包含模拟对象图像上训练的模型应用于真实世界对象的技术。从真实世界图像的代表性样本中生成合成图像的使用，减轻了对测试材料样本量大的问题。

  • 分类：植物表型资讯
  • 作者：PhenoTrait
  • 来源：本站
  • 发布时间：2021-04-26 06:10
  • 访问量：
详情

种子表型鉴定的第一步是种子类型的鉴定，即对种子的生长、发育、耐性、抗性、生态、产量等复杂性状进行综合评价，并对形成更复杂性状的参数进行测定。一般来说，植物研究人员会检查种子的视觉属性，如大小、形状、面积、颜色和纹理，确定种子类型，但这一过程既繁琐又费力。计算机视觉和深度学习领域的进步催化了卷积神经网络(CNN)的发展，可以利用该技术进行图像分类。虽然该技术分类效率很高，但目前仍面临一个关键的瓶颈：在将CNN投入分类任务之前，需要大量的标记数据来训练CNN。本文利用对比学习和领域随机化的概念达到了该目的。简而言之，领域随机化是一种将在包含模拟对象图像上训练的模型应用于真实世界对象的技术。从真实世界图像的代表性样本中生成合成图像的使用，减轻了对测试材料样本量大的问题。

 

ResNet-50、SimCLR、MoCo和BYOL的分类报告

 

ResNet-50、SimCLR、MoCo和BYOL的培训和验证精度及损失

 

作为工作的一部分，本文应用三种不同的自我监督学习框架，即SimCLR、动量对比(MoCo)和构建自己的潜在(BYOL)，其中ResNet-50作为每个网络中的主干，以五种不同类型种子图像(即油菜、糙米、高粱、大豆和小麦)的合成图像数据集为材料，进行试验。当自监督模型仅使用合成数据集5%的标签进行微调时，结果显示，MoCo，即产生所讨论自监督学习框架的最佳性能模型，在测试数据集上达到77%的准确率，仅比ResNet-50在100%标签上训练的90%的准确率低13%。

 

类似的油菜、糙米的颜色直方图

 

来源：

Margapuri V, Neilsen M. Classification of Seeds using Domain Randomization on Self-Supervised Learning Frameworks. arXiv:2103.15578.

关键词：

扫二维码用手机看

上一个: 高温胁迫下面包小麦基因分型和表型研究
下一个: 基于图像的表型技术探讨大豆荚相关性状的遗传结构
上一个: 高温胁迫下面包小麦基因分型和表型研究
下一个: 基于图像的表型技术探讨大豆荚相关性状的遗传结构

推荐新闻

石时之约|韩志国：透过表型数据，看见植物的喜怒哀乐！
石时之约|韩志国：透过表型数据，看见植物的喜怒哀乐！
石时之约|韩志国：透过表型数据，看见植物的喜怒哀乐！
[荐]
[顶]
发布时间 : 2022-11-13 07:26:55
本期石时之约，我们将对话慧诺瑞德（北京）科技有限公司总经理、国际植物表型学会（IPPN）执委会委员/工业分会副主席韩志国，一起从表型数据的科学角度，去读懂农作物的喜怒哀乐和前世今生。
查看详情
本期石时之约，我们将对话慧诺瑞德（北京）科技有限公司总经理、国际植物表型学会（IPPN）执委会委员/工业分会副主席韩志国，一起从表型数据的科学角度，去读懂农作物的喜怒哀乐和前世今生。
慧科研、慧育种、慧种田——慧聚改变的力量
慧科研、慧育种、慧种田——慧聚改变的力量
慧科研、慧育种、慧种田——慧聚改变的力量
发布时间 : 2022-09-09 16:05:03
让我们“慧聚”在一起，为“慧科研、慧育种、慧种田”赋能。
查看详情
让我们“慧聚”在一起，为“慧科研、慧育种、慧种田”赋能。
高通量植物表型平台建设注意事项
高通量植物表型平台建设注意事项
高通量植物表型平台建设注意事项
发布时间 : 2022-05-20 11:45:57
育种，是在给定的环境条件下，选择各种表型指标(产量、品质、抗性)最优的基因型材料的过程(AI育种，从这里起步)。育种工作中大约70%的工作量来自表型观察测量和筛选，是最耗人力物力的过程。
查看详情
育种，是在给定的环境条件下，选择各种表型指标(产量、品质、抗性)最优的基因型材料的过程(AI育种，从这里起步)。育种工作中大约70%的工作量来自表型观察测量和筛选，是最耗人力物力的过程。
作物生理表型测量基础原理
作物生理表型测量基础原理
作物生理表型测量基础原理
发布时间 : 2022-05-13 10:56:43
生理表型测量的核心在于“早、快”，要在肉眼可见之前就能测量并预判出变化趋势，才是这个技术的核心价值。叶绿素荧光成像，恰好满足了这个要求。
查看详情
生理表型测量的核心在于“早、快”，要在肉眼可见之前就能测量并预判出变化趋势，才是这个技术的核心价值。叶绿素荧光成像，恰好满足了这个要求。

视频展示

透过表型数据看见植物的喜怒哀乐
00:59:21
透过表型数据看见植物的喜怒哀乐
所属分类：
视频展示
发布时间：
2022/11/13
关键词：

专题报道

石时之约|韩志国：透过表型数据，看见植物的喜怒哀乐！ [ 2022-11-13 ]
本期石时之约，我们将对话慧诺瑞德（北京）科技有限公司总经理、国际植物表型学会（IPPN）执委会委员/工业分会副主席韩志国，一起从表型数据的科学角度，去读懂农作物的喜怒哀乐和前世今生。
植物表型：南繁水稻田间表型研究 [ 2022-04-29 ]
植物表型：西南地区小麦、水稻和大豆表型测量 [ 2021-11-11 ]
光合作用：植物冠层光合表型+GFP/RFP测量 [ 2021-11-04 ]
植物表型：东北地区大豆和水稻的田间高通量表型研究 [ 2021-11-04 ]
光合作用：水稻冠层叶绿素荧光成像测量 [ 2021-10-22 ]

QQ咨询

QQ:7569421

电话沟通

010-62925490

微信咨询

扫一扫添加
动力姐姐微信

TOP

搜索
确认
取消

联系我们

慧诺瑞德（北京）科技有限公司

地址：北京市海淀区西三旗街道建材城中路12号院8号楼2门 
电话：010-62925490、82928854、82928864、82928874
传真：010-62925490-802
Email: info@phenotrait.com
邮编：100096

在线留言

关注我们

这是描述信息

植物表型圈

这是描述信息

植物表型资讯

慧诺瑞德（北京）科技有限公司版权所有      京ICP备15043840号    网站建设：中企动力   北二分     法律声明