logo móvil
Contáctanos

Revelación de variaciones métricas de GLCM en un conjunto de datos de enfermedades de plantas: un examen exhaustivo y perspectivas futuras para aplicaciones mejoradas de aprendizaje profundo

Autores: Kabir, Masud; Unal, Fatih; Akinci, Tahir Cetin; Martinez-Morales, Alfredo A.; Ekici, Sami

Idioma: Inglés

Editor: MDPI

Año: 2024

Descargar PDF

Acceso abierto

Artículo científico
2024

Revelación de variaciones métricas de GLCM en un conjunto de datos de enfermedades de plantas: un examen exhaustivo y perspectivas futuras para aplicaciones mejoradas de aprendizaje profundo


Categoría

Ingeniería y Tecnología

Subcategoría

Ingeniería Eléctrica y Electrónica

Palabras clave

Estudio
Relación
Métricas GLCM
Modelo de aprendizaje automático
Identificación de enfermedades de plantas
Evaluación de conjuntos de datos
Selección de conjuntos de datos
DarkNet19
Modelo de aprendizaje profundo
Precisión de prueba
Métricas de rendimiento
Transparencia
Rigor
Selección de conjuntos de datos
Métodos de aprendizaje profundo

Licencia

CC BY-SA – Atribución – Compartir Igual

Consultas: 38

Citaciones: Sin citaciones


Descripción
Este estudio destaca la intrincada relación entre las métricas de la Matriz de Co-ocurrencia de Niveles de Gris (GLCM) y el rendimiento del modelo de aprendizaje automático en el contexto de la identificación de enfermedades de plantas. Enfatiza la importancia de una evaluación rigurosa del conjunto de datos y protocolos de selección para garantizar resultados de clasificación confiables y generalizables.

Otros recursos que podrían interesarte

Temas Virtualpro