Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.contributor | University of Porto (FEUP) | - |
Autor(es): dc.contributor | Universidade Federal de Uberlândia (UFU) | - |
Autor(es): dc.contributor | Universidade Estadual Paulista (UNESP) | - |
Autor(es): dc.creator | Rozendo, Guilherme Botazzo | - |
Autor(es): dc.creator | Roberto, Guilherme Freire | - |
Autor(es): dc.creator | do Nascimento, Marcelo Zanchetta | - |
Autor(es): dc.creator | Alves Neves, Leandro | - |
Autor(es): dc.creator | Lumini, Alessandra | - |
Data de aceite: dc.date.accessioned | 2025-08-21T22:37:27Z | - |
Data de disponibilização: dc.date.available | 2025-08-21T22:37:27Z | - |
Data de envio: dc.date.issued | 2025-04-29 | - |
Data de envio: dc.date.issued | 2023-12-31 | - |
Fonte completa do material: dc.identifier | http://dx.doi.org/10.1007/978-3-031-49018-7_17 | - |
Fonte completa do material: dc.identifier | https://hdl.handle.net/11449/307220 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/11449/307220 | - |
Descrição: dc.description | Weeds are a significant threat to agricultural production. Weed classification systems based on image analysis have offered innovative solutions to agricultural problems, with convolutional neural networks (CNNs) playing a pivotal role in this task. However, CNNs are limited in their ability to capture global relationships in images due to their localized convolutional operation. Vision Transformers (ViT) and Pyramid Vision Transformers (PVT) have emerged as viable solutions to overcome this limitation. Our study aims to determine the effectiveness of CNN, PVT, and ViT in classifying weeds in image datasets. We also examine if combining these methods in an ensemble can enhance classification performance. Our tests were conducted on significant agricultural datasets, including DeepWeeds and CottonWeedID15. The results indicate that a maximum of 3 methods in an ensemble, with only 15 epochs in training, can achieve high accuracy rates of up to 99.17%. This study demonstrates that high accuracies can be achieved with ease of implementation and only a few epochs. | - |
Descrição: dc.description | European Commission | - |
Descrição: dc.description | Department of Computer Science and Engineering (DISI) - University of Bologna | - |
Descrição: dc.description | Faculty of Engineering University of Porto (FEUP) | - |
Descrição: dc.description | Faculty of Computer Science (FACOM) Federal University of Uberlândia (UFU) | - |
Descrição: dc.description | Department of Computer Science and Statistics (DCCE) São Paulo State University | - |
Descrição: dc.description | Department of Computer Science and Statistics (DCCE) São Paulo State University | - |
Formato: dc.format | 229-243 | - |
Idioma: dc.language | en | - |
Relação: dc.relation | Lecture Notes in Computer Science (including subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics) | - |
???dc.source???: dc.source | Scopus | - |
Palavras-chave: dc.subject | CNN | - |
Palavras-chave: dc.subject | Ensemble | - |
Palavras-chave: dc.subject | Pyramid Vision Transformers | - |
Palavras-chave: dc.subject | Vision transformers | - |
Palavras-chave: dc.subject | Weeds classification | - |
Título: dc.title | Weeds Classification with Deep Learning: An Investigation Using CNN, Vision Transformers, Pyramid Vision Transformers, and Ensemble Strategy | - |
Tipo de arquivo: dc.type | aula digital | - |
Aparece nas coleções: | Repositório Institucional - Unesp |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: