Xiaoping Wu1, Chi Zhan1, Yu-Kun Lai2, Ming-Ming Cheng1, Jufeng Yang1∗
1Nankai Università 2Cardiff Università
Abstract
Insetti sono uno dei principali fattori che incidono agricolo di rendimento del prodotto., Il riconoscimento accurato degli insetti nocivi facilita misure preventive tempestive per evitare perdite economiche. Tuttavia, i set di dati esistenti per l’attività di classificazione visiva si concentrano principalmente su oggetti comuni, ad esempio fiori e cani. Ciò limita l’applicazione della potente tecnologia di deep learning su domini specifici come il campo agricolo. In questo documento, raccogliamo un set di dati su larga scala denominato IP102 per il riconoscimento dei parassiti degli insetti. In particolare, contiene più di 75.000 immagini appartenenti a 102 categorie, che presentano una distribuzione naturale a coda lunga., Inoltre, annotiamo circa 19.000 immagini con riquadri di delimitazione per il rilevamento di oggetti. L’IP102 ha una tassonomia gerarchica e gli insetti nocivi che colpiscono principalmente uno specifico prodotto agricolo sono raggruppati nella stessa categoria di livello superiore. Inoltre, eseguiamo diversi esperimenti di base sul set di dati IP102, inclusi metodi di classificazione basati su funzionalità artigianali e approfonditi. I risultati sperimentali mostrano che questo set di dati presenta le sfide della varianza inter e intra – classe e dello squilibrio dei dati., Crediamo che il nostro IP102 faciliterà la ricerca futura sul controllo pratico dei parassiti degli insetti, sulla classificazione visiva a grana fine e sui campi di apprendimento squilibrati. Rendiamo il set di dati e i modelli pre-addestrati disponibili pubblicamente su https://github.com/xpwu95/IP102.
Paper
Highlights
- Il più grande set di dati pubblici per il riconoscimento dei parassiti degli insetti. Questo set di dati contiene 102 insetti nocivi, tra cui 75.222 immagini con etichette di categoria e 18.976 immagini con riquadri di delimitazione.
- Ampi esperimenti sul set di dati proposto.,
Motivazione
- Il parassita degli insetti è uno dei principali fattori che influenzano la resa dei prodotti agricoli. Il riconoscimento accurato degli insetti nocivi facilita misure preventive tempestive per evitare perdite economiche.
- I set di dati esistenti di insetti su piccola scala non possono soddisfare il requisito della tecnologia profonda.
Statistiche dell’IP102 proposto
Figura 1: Statistiche dell’insieme di dati IP102 proposto. (a) Sistema di tassonomia gerarchica. b) Informazioni statistiche.,
Sfide dell’IP102 proposto
Figura 2: Sfide dell’insieme di dati IP102 proposto. (a) Distribuzione squilibrata. (b) Intra- & varianza interclasse.,
Benchmark Experiments
Classification performance of handcrafted and deep features
Classification performance with different hierarchical labels
Detection performance
More examples
