Xiaoping Wu1, Chi Zhan1, Yu-Kun Lai2, Ming-Ming Cheng1, Jufeng Yang1∗
1Nankai Yliopiston 2Cardiff Yliopisto
Tiivistelmä
Hyönteisten tuholaisia ovat yksi tärkeimmistä tekijöistä, jotka vaikuttavat maatalouden tuote tuotto., Tuhohyönteisten tarkka tunnistaminen helpottaa oikea-aikaisia ennaltaehkäiseviä toimenpiteitä taloudellisten menetysten välttämiseksi. Nykyiset näköluokitustehtävän aineistot keskittyvät kuitenkin pääasiassa tavallisiin esineisiin, esimerkiksi kukkiin ja koiriin. Tämä rajoittaa voimakkaan syväoppimisen teknologian soveltamista tietyillä aloilla, kuten maatalousalalla. Tässä paperissa keräämme suuren mittakaavan aineiston nimeltä IP102 hyönteisten tuholaistunnistusta varten. Erityisesti, se sisältää yli 75 000 kuvaa, jotka kuuluvat 102 luokat, jotka esittävät luonnon pitkähäntäinen jakauma., Lisäksi huomautamme noin 19 000 kuvaa, joissa on pyöristysrasioita kohteen havaitsemiseen. Se IP102 on hierarkkinen taksonomia ja hyönteisten tuholaisia, jotka vaikuttavat lähinnä yhden tietyn maataloustuotteen on ryhmitelty samaan ylemmän tason ryhmään. Lisäksi, me suorittaa useita lähtötilanteessa kokeita IP102 aineisto, mukaan lukien käsityönä ja syvä ominaisuus perustuva luokittelu menetelmiä. Kokeelliset tulokset osoittavat, että tällä aineistolla on luokkakohtaisen varianssin ja datan epätasapainon haasteet., Uskomme IP102 helpottaa tulevaisuuden tutkimuksen käytännön hyönteisten tuholaisten torjunta, hienorakeinen visuaalinen luokitus, ja epätasapainoinen oppimisen kenttiä. Teemme aineisto ja pre-koulutettu mallit julkisesti saatavilla osoitteessa https://github.com/xpwu95/IP102.
Paperi
Korostaa
- suurin julkinen aineisto hyönteisten tuholaisten tunnistus. Tämä aineisto sisältää 102 tuhohyönteisten, kuten 75,222 kuvia luokka tarrat ja 18,976 kuvia rajaava laatikot.
- laajat kokeet ehdotetusta aineistosta.,
Motivaatio
- Hyönteistuho on yksi maataloustuotteiden satoon vaikuttavista päätekijöistä. Tuhohyönteisten tarkka tunnistaminen helpottaa oikea-aikaisia ennaltaehkäiseviä toimenpiteitä taloudellisten menetysten välttämiseksi.
- nykyiset pienimuotoiset hyönteistuhoajatiedot eivät voi hyvin täyttää syväteknologian vaatimusta.
Tilastot ehdotetun IP102
Kuva 1: Tilastoja ehdotetun IP102 aineisto. a) hierarkkinen taksonomiajärjestelmä. B) tilastotiedot.,
Haasteita ehdotetun IP102
Kuva 2: Haasteita ehdotetun IP102 aineisto. a) epätasapainoinen jakautuminen. b) intra-& luokkien välinen varianssi.,
Benchmark Experiments
Classification performance of handcrafted and deep features
Classification performance with different hierarchical labels
Detection performance
More examples
