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 | Mississippi State University | - |
Autor(es): dc.contributor | University of Wisconsin | - |
Autor(es): dc.contributor | Forest Products Laboratory | - |
Autor(es): dc.contributor | Purdue University | - |
Autor(es): dc.contributor | Universidade Estadual Paulista (UNESP) | - |
Autor(es): dc.creator | Owens, Frank C. | - |
Autor(es): dc.creator | Ravindran, Prabu | - |
Autor(es): dc.creator | Costa, Adriana | - |
Autor(es): dc.creator | Shmulsky, Rubin | - |
Autor(es): dc.creator | Wiedenhoeft, Alex C. | - |
Data de aceite: dc.date.accessioned | 2025-08-21T20:21:57Z | - |
Data de disponibilização: dc.date.available | 2025-08-21T20:21:57Z | - |
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/10.15376/biores.19.4.9741-9772 | - |
Fonte completa do material: dc.identifier | https://hdl.handle.net/11449/307920 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/11449/307920 | - |
Descrição: dc.description | Prior work on computer-vision wood identification (CVWID) for North American hardwoods yielded two independent deep learning models – a 22-class model for diffuse-porous woods and a 17-class model for ring-porous woods – but did not address semi-ring-porous woods nor provide a CVWID solution for an unknown specimen without a human first determining which model to deploy. As untrained human operators would lack the anatomical proficiency to differentiate among porosity domains, it is necessary to develop a consolidated model that can identify diffuse-, ring-, and semi-ring-porous woods. Previous research suggests that prediction accuracy might decrease as class number grows. A potential strategy to reduce the number of classes a CVWID system must consider at a time is to hierarchically deploy a cascade of models. In pursuit of a unified model that can cover North American hardwoods of all porosity types, this study compared the accuracies of a consolidated 39-class (ring-+ diffuse-porous) model and a consolidated 42-class (ring-+ diffuse-+ semi-ring-porous) model with a two-tiered, cascading model scheme whereby images are first differentiated into three porosity domain classes and then again into only those taxonomic classes with that porosity. The results showed that the cascading model scheme can mitigate the accuracy reductions incurred by the 42-class model and nearly eliminate the occurrence of cross-domain misidentifications. | - |
Descrição: dc.description | Department of Sustainable Bioproducts Mississippi State University | - |
Descrição: dc.description | Department of Botany University of Wisconsin | - |
Descrição: dc.description | Center for Wood Anatomy Research USDA Forest Service Forest Products Laboratory | - |
Descrição: dc.description | Department of Forestry and Natural Resources Purdue University | - |
Descrição: dc.description | Departamento de Ciências Biológicas (Botânica) Universidade Estadual Paulista – Botucatu | - |
Descrição: dc.description | Departamento de Ciências Biológicas (Botânica) Universidade Estadual Paulista – Botucatu | - |
Formato: dc.format | 9741-9772 | - |
Idioma: dc.language | en | - |
Relação: dc.relation | BioResources | - |
???dc.source???: dc.source | Scopus | - |
Palavras-chave: dc.subject | Cascading models | - |
Palavras-chave: dc.subject | Computer vision | - |
Palavras-chave: dc.subject | Deep learning | - |
Palavras-chave: dc.subject | Machine learning | - |
Palavras-chave: dc.subject | Porosity domain | - |
Palavras-chave: dc.subject | Wood identification | - |
Palavras-chave: dc.subject | XyloTron | - |
Título: dc.title | Predicting Hardwood Porosity Domains: Toward Cascading Computer-Vision Wood Identification Models | - |
Tipo de arquivo: dc.type | livro 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: