Xiaoping Wu1, Chi Zhan1, Yu-Kun Lai2, Ming-Ming Cheng1, Jufeng Yang1∗
1Nankai Universiteit 2Cardiff Universiteit
Abstracte
Insecten zijn één van de belangrijkste factoren die van invloed agrarische product opleveren., Nauwkeurige herkenning van insectenplagen vergemakkelijkt tijdige preventieve maatregelen om economische verliezen te voorkomen. De bestaande datasets voor de visuele classificatietaak richten zich echter vooral op gemeenschappelijke objecten, zoals bloemen en honden. Dit beperkt de toepassing van krachtige deep learning technologie op specifieke domeinen zoals het landbouwgebied. In dit artikel verzamelen we een grootschalige dataset met de naam IP102 voor de herkenning van insecten. Specifiek, het bevat meer dan 75.000 beelden die behoren tot 102 categorieën, die een natuurlijke long-tailed distributie vertonen., Daarnaast annoteren we ongeveer 19.000 afbeeldingen met bounding boxes voor objectdetectie. De IP102 heeft een hiërarchische taxonomie en de insectenplagen die voornamelijk een specifiek landbouwproduct treffen, worden in dezelfde hogere categorie ingedeeld. Verder voeren we verschillende baseline-experimenten uit op de IP102-dataset, waaronder handgemaakte en deep feature-gebaseerde classificatiemethoden. Experimentele resultaten tonen aan dat deze dataset de uitdagingen van Inter – en intra-klasse variantie en data onbalans heeft., Wij geloven dat onze IP102 toekomstig onderzoek naar praktische insectenplaagbestrijding, fijnkorrelige visuele classificatie en onevenwichtige leervelden zal vergemakkelijken. We maken de dataset en voorgetrainde modellen openbaar beschikbaar op https://github.com/xpwu95/IP102.
papier
Highlights
- de grootste publieke dataset voor de herkenning van insecten. Deze dataset bevat 102 insectenplagen, waaronder 75.222 afbeeldingen met categorielabels en 18.976 afbeeldingen met bounding boxes.uitgebreide experimenten met de voorgestelde dataset.,
motivatie
- insectenplaag is een van de belangrijkste factoren die van invloed zijn op de opbrengst van landbouwproducten. Nauwkeurige herkenning van insectenplagen vergemakkelijkt tijdige preventieve maatregelen om economische verliezen te voorkomen.
- bestaande kleinschalige gegevensverzamelingen voor insecten kunnen niet goed voldoen aan de vereisten van deep technology.
statistieken van de voorgestelde IP102
figuur 1: statistieken van de voorgestelde ip102-gegevensset. a) hiërarchisch taxonomiesysteem. b) statistische gegevens.,
uitdagingen van het voorgestelde IP102
Figuur 2: uitdagingen van de voorgestelde ip102-gegevensset. (a) onevenwichtige verdeling. (B) Intra- & interklasse variantie.,
Benchmark Experiments
Classification performance of handcrafted and deep features
Classification performance with different hierarchical labels
Detection performance
More examples
