EUVIMEDEUVIMED entdecken
Open Access · CC BY-NC-ND 4.0

Interpretable Deep Learning for Botanical Traits: A Comparative Study on the Role of Segmentation in Herbarium Image Analysis

Hanane Ariouat, Eva Perez Pimpare, Eric Chenin, Marc Pignal, Régine Vignes Lebbe, Souhila Arib, Edi Prifti, Jean-Daniel Zucker, Youcef Sklab

Procedia Computer Science · 2025 · 270 · 3738-3747

DOI: 10.1016/j.procs.2025.09.499 ↗

Kurz gefasst

Fachartikel in der Zeitschrift Procedia Computer Science, 2025. Verfasst von Hanane Ariouat und 8 weiteren Autor:innen. Die Arbeit wurde bisher 5-mal zitiert (Crossref) und nennt 26 Literaturangaben. Der Volltext ist frei zugänglich (Open Access, CC BY-NC-ND 4.0). Gefördert von: Grand Équipement National De Calcul Intensif, Agence Nationale de la Recherche.

AbstractBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

Kein Abstract verfügbar.

Förderung

  • Grand Équipement National De Calcul Intensif
  • Agence Nationale de la Recherche

Zitieren

APA

Ariouat, H., Pimpare, E. P., Chenin, E., Pignal, M., Lebbe, R. V., Arib, S., Prifti, E., Zucker, J., & Sklab, Y. (2025). Interpretable Deep Learning for Botanical Traits: A Comparative Study on the Role of Segmentation in Herbarium Image Analysis. Procedia Computer Science, 270, 3738-3747. https://doi.org/10.1016/j.procs.2025.09.499

Vancouver

Ariouat H, Pimpare EP, Chenin E, Pignal M, Lebbe RV, Arib S, et al. Interpretable Deep Learning for Botanical Traits: A Comparative Study on the Role of Segmentation in Herbarium Image Analysis. Procedia Computer Science. 2025;270:3738-3747. doi:10.1016/j.procs.2025.09.499

BibTeX
@article{Ariouat2025,
  author = {Ariouat, Hanane and Pimpare, Eva Perez and Chenin, Eric and Pignal, Marc and Lebbe, Régine Vignes and Arib, Souhila and Prifti, Edi and Zucker, Jean-Daniel and Sklab, Youcef},
  title = {Interpretable Deep Learning for Botanical Traits: A Comparative Study on the Role of Segmentation in Herbarium Image Analysis},
  journal = {Procedia Computer Science},
  year = {2025},
  volume = {270},
  pages = {3738--3747},
  doi = {10.1016/j.procs.2025.09.499}
}
Kostenlos starten →