Wyszukiwanie zaawansowane ?

Obiekt

Enhancing Leaf Area Segmentation by Using Attention Gates and Knowledge Distillation in UNet Architecture, Journal of Telecommunications and Information Technology, 2025, nr 3
Pobierz

Tytuł: Enhancing Leaf Area Segmentation by Using Attention Gates and Knowledge Distillation in UNet Architecture, Journal of Telecommunications and Information Technology, 2025, nr 3

Autor:

Shamim Banu, A. ; Deivalakshmi, S.

Data wydania:

2025, nr 3

Typ zasobu:

artykuł

Tytuł publikacji grupowej:

2025, nr 3, JTIT-artykuły

Opis:

kwartalnik

Abstrakt:

Accurate segmentation of leaf regions plays a vital role in plant phenotyping and agricultural analysis. This paper presents AKDUNet, a lightweight UNet-based architecture that integrates attention gates and knowledge distillation to improve segmentation performance while minimizing computational complexity. The architecture replaces traditional skip connections with attention gates to focus on salient spatial features and employs a two-stage training pipeline, where a compact student model learns from a deeper teacher model using a tailored distillation loss function. AKDUNet is evaluated on two benchmark datasets (CWFID and Sunflower) and outperforms a range of state-of-the-art models, including UNet++, Inception UNet, VGG-based UNets, SDUNet, INSCA UNet, and SegFormer. Ablation studies confirm the advantages of attention modules, and qualitative analyses using Grad-CAM visualizations reveal the model's ability to effectively focus on crucial leaf structures. The results demonstrate that AKDUNet is not only computationally efficient but also highly accurate, making it suitable for real-time deployment in resource-constrained agricultural environments.

Numer:

3

Wydawca:

National Institute of Telecommunications

Identyfikator zasobu:

oai:bc.itl.waw.pl:2404

DOI:

10.26636/jtit.2025.3.2079

eISSN:

on-line: ISSN 1899-8852

Źródło:

Journal of Telecommunications and Information Technology

Język:

ang

Prawa:

Biblioteka Naukowa Instytutu Łączności

Licencja:

CC BY 4.0

Temat i słowa kluczowe:

attention gate knowledge distillation modified light weight UNet semantic segmentation

Kolekcje, do których przypisany jest obiekt:

Data ostatniej modyfikacji:

2 paź 2025

Data dodania obiektu:

2 paź 2025

Liczba wyświetleń treści obiektu:

2

Wszystkie dostępne wersje tego obiektu:

https://ribes-54.man.poznan.pl/publication/2722

Wyświetl opis w formacie RDF:

RDF

Wyświetl opis w formacie OAI-PMH:

OAI-PMH

Nazwa wydania Data
Shamim Banu, A.; Deivalakshmi, S., Enhancing Leaf Area Segmentation by Using Attention Gates and Knowledge Distillation in UNet Architecture, Journal of Telecommunications and Information Technology, 2025, nr 3 2 paź 2025

Obiekty Podobne

2025, nr 1, JTIT-artykuły
2025, nr 1, JTIT-artykuły
Semantic Segmentation of Plant Structures with Deep Learning and Channel-wise Attention Mechanism, Journal of Telecommunications and Information Technology, 2025, nr 1

Surehli, Mukund Kumar Aggarwal, Naveen Joshi, Garima Harsh Nayyar, Harsh

2025, nr 1
artykuł
Więcej
×

Cytowanie

Styl cytowania:

Dane kontaktowe

Adres

Instytut Łączności – Państwowy Instytut Badawczy ul. Szachowa 1 04-894 Warszawa

Telefon

(+48) 5128 696

E-Mail

biblioteka@il-pib.pl

Odwiedź nas!

Ta strona wykorzystuje pliki 'cookies'. Więcej informacji