Xiaoping Wu1, Chi Zhan1, Yu-Kun Lai2, Ming-Ming Cheng1, Jufeng Yang1∗
1Nankai Egyetem 2Cardiff Egyetem
Absztrakt
Rovar kártevők, a fő befolyásoló tényezők mezőgazdasági termék hozam., A rovar kártevők pontos felismerése megkönnyíti az időben megelőző intézkedéseket a gazdasági veszteségek elkerülése érdekében. A vizuális osztályozási feladat meglévő adatkészletei azonban elsősorban a közös tárgyakra, például virágokra és kutyákra összpontosítanak. Ez korlátozza az erőteljes mély tanulási technológia alkalmazását bizonyos területeken, például a mezőgazdasági területen. Ebben a dolgozatban összegyűjtünk egy IP102 nevű nagyszabású adatkészletet a rovarok kártevőinek felismerésére. Pontosabban, több mint 75 000 képet tartalmaz, amelyek 102 kategóriába tartoznak, amelyek természetes hosszúfarkú eloszlást mutatnak., Ezenkívül mintegy 19 000 képet jegyezünk fel határoló dobozokkal az objektum észleléséhez. Az IP102 hierarchikus taxonómiával rendelkezik, és a rovar kártevők, amelyek elsősorban egy adott mezőgazdasági terméket érintenek, ugyanabba a felső szintű kategóriába vannak csoportosítva. Továbbá számos alapkísérletet végzünk az IP102 adatkészleten, beleértve a kézműves és mély funkció alapú osztályozási módszereket is. A kísérleti eredmények azt mutatják, hogy ennek az adatkészletnek megvannak a kihívásai az Osztályközi variancia és az adatok egyensúlyhiánya tekintetében., Meggyőződésünk, hogy IP102-esünk elősegíti majd a rovarirtás gyakorlati kutatását, a finomszemcsés vizuális osztályozást és a kiegyensúlyozatlan tanulási területeket. Az adatkészletet és az előre kiképzett modelleket nyilvánosan elérhetővé tesszük a https://github.com/xpwu95/IP102címen.
Paper
Highlights
- a rovarirtók felismerésének legnagyobb nyilvános adathalmaza. Ez az adatkészlet 102 rovarkártevőt tartalmaz, köztük 75 222 képet kategória címkével és 18 976 képet határoló dobozokkal.
- kiterjedt kísérletek a javasolt adatkészleten.,
- a rovarirtó a mezőgazdasági termékek hozamát befolyásoló egyik fő tényező. A rovar kártevők pontos felismerése megkönnyíti az időben megelőző intézkedéseket a gazdasági veszteségek elkerülése érdekében.
- a meglévő kisléptékű rovarirtó-adatbázisok nem tudják jól kielégíteni a mély technológia követelményét.
A javasolt IP102
1.ábra: a javasolt IP102 adatkészlet statisztikája. a) hierarchikus taxonómiai rendszer. b) statisztikai információk.,
A javasolt IP102
2.ábra: a javasolt IP102 adatkészlet kihívásai. a) kiegyensúlyozatlan Eloszlás. (b) Intra- & Osztályközi szórás.,
Benchmark Experiments
Classification performance of handcrafted and deep features
Classification performance with different hierarchical labels
Detection performance
More examples
