Xiaoping wu1, Chi ZHAN1, YU-kun lai2, Ming – Ming cheng1, Jufeng yang1∗
1nankai University 2cardiff University
résumé
les insectes ravageurs sont l’un des principaux facteurs affectant le rendement des produits agricoles., La reconnaissance précise des insectes nuisibles facilite les mesures préventives en temps opportun pour éviter les pertes économiques. Cependant, les ensembles de données existants pour la tâche de classification visuelle se concentrent principalement sur des objets communs, par exemple, les fleurs et les chiens. Cela limite l’application d’une puissante technologie d’apprentissage profond dans des domaines spécifiques tels que le domaine agricole. Dans cet article, nous collectons un ensemble de données à grande échelle nommé IP102 pour la reconnaissance des insectes nuisibles. Plus précisément, il contient plus de 75 000 images appartenant à 102 catégories, qui présentent une distribution naturelle à longue queue., De plus, nous annotons environ 19 000 images avec des boîtes de délimitation pour la détection d’objets. L’IP102 a une taxonomie hiérarchique et les insectes ravageurs qui affectent principalement un produit agricole spécifique sont regroupés dans la même catégorie de niveau supérieur. En outre, nous effectuons plusieurs expériences de base sur L’ensemble de données IP102, y compris des méthodes de classification artisanales et basées sur des caractéristiques profondes. Les résultats expérimentaux montrent que cet ensemble de données présente les défis de la variance inter-et intra-classe et du déséquilibre des données., Nous pensons que notre IP102 facilitera les recherches futures sur la lutte pratique contre les insectes nuisibles, la classification visuelle à grain fin et les domaines d’apprentissage déséquilibrés. Nous rendons l’ensemble de données et les modèles pré-formés accessibles au public à l’adresse https://github.com/xpwu95/IP102.
document
Faits saillants
- Le plus grand ensemble de données publiques pour la reconnaissance des insectes nuisibles. Cet ensemble de données contient 102 insectes nuisibles, dont 75 222 images avec des étiquettes de catégorie et 18 976 images avec des boîtes englobantes.
- expériences approfondies sur l’ensemble de données proposé.,
Motivation
- Insecte ravageur est l’un des principaux facteurs affectant les produits agricoles de rendement. La reconnaissance précise des insectes nuisibles facilite les mesures préventives en temps opportun pour éviter les pertes économiques.
- Les ensembles de données existants sur les insectes nuisibles à petite échelle ne peuvent pas bien répondre aux exigences de la technologie profonde.
statistiques de l’IP102 proposé
Figure 1: Statistiques de L’ensemble de données iP102 proposé. a) système de taxonomie hiérarchique. B) informations statistiques.,
défis de l’IP102 proposé
Figure 2: défis de L’ensemble de données iP102 proposé. a) répartition déséquilibrée. (b) intra-& variance inter-classe.,
Benchmark Experiments
Classification performance of handcrafted and deep features
Classification performance with different hierarchical labels
Detection performance
More examples
