ip102: zestaw danych porównawczych na dużą skalę do rozpoznawania szkodników owadów

5 3 głosy
ocena artykułu

div>

Xiaoping wu1, Chi Zhan1, YU – Kun lai2, Ming-Ming cheng1, Jufeng yang1∗

1nankai University 2cardiff University

streszczenie

szkodniki owadów są jednym z głównych czynników wpływających na wydajność produktów rolnych., Dokładne rozpoznawanie szkodników owadów ułatwia terminowe środki zapobiegawcze w celu uniknięcia strat ekonomicznych. Jednak istniejące zbiory danych dla zadania klasyfikacji wizualnej koncentrują się głównie na wspólnych obiektach, np. kwiatach i psach. Ogranicza to zastosowanie zaawansowanej technologii głębokiego uczenia w określonych dziedzinach, takich jak rolnictwo. W tym artykule gromadzimy wielkoskalowy zestaw danych o nazwie IP102 do rozpoznawania szkodników owadów. W szczególności zawiera ponad 75,000 zdjęć należących do kategorii 102, które wykazują naturalny rozkład długich ogonów., Ponadto opisujemy około 19 000 obrazów z obwiedniami w celu wykrywania obiektów. IP102 ma hierarchiczną taksonomię, a szkodniki owadzie, które dotyczą głównie jednego określonego produktu rolnego, są zgrupowane w tej samej kategorii wyższego poziomu. Ponadto przeprowadzamy kilka podstawowych eksperymentów na zbiorze danych IP102, w tym metody klasyfikacji ręcznej i głębokiej opartej na cechach. Wyniki eksperymentalne pokazują, że ten zbiór danych ma wyzwania między-i wewnątrz klasy wariancji i nierównowagi danych., Wierzymy, że nasz IP102 ułatwi przyszłe badania nad praktyczną kontrolą szkodników owadów, drobnoziarnistą klasyfikacją wizualną i niezrównoważonymi polami uczenia się. Udostępniamy zbiory danych i wstępnie przeszkolone modele publicznie pod adresem https://github.com/xpwu95/IP102.

Papier

najważniejsze informacje

  • największy publiczny zbiór danych do rozpoznawania szkodników owadów. Ten zbiór danych zawiera 102 szkodniki owadów, w tym 75,222 obrazy z etykietami kategorii i 18,976 obrazy z obwiedniami.
  • obszerne eksperymenty na proponowanym zbiorze danych.,

motywacja

  • szkodnik owadów jest jednym z głównych czynników wpływających na plon produktów rolnych. Dokładne rozpoznawanie szkodników owadów ułatwia terminowe środki zapobiegawcze w celu uniknięcia strat ekonomicznych.
  • Istniejące zbiory danych o szkodnikach owadów na małą skalę nie mogą dobrze spełniać wymagań głębokiej technologii.

statystyki proponowanego zbioru danych IP102

Rysunek 1: Statystyki proponowanego zbioru danych IP102. a) hierarchiczny system taksonomiczny. b) informacje statystyczne.,

wyzwania proponowanego zbioru danych IP102

Rysunek 2: wyzwania proponowanego zbioru danych IP102. a) niezrównoważona Dystrybucja. B) zmienność Wewnątrzklasowa & zmienność międzyklasowa.,

Benchmark Experiments

Classification performance of handcrafted and deep features

Classification performance with different hierarchical labels

Detection performance

More examples

(Visited 1,790 times, 2 visits today)

Share

Dodaj komentarz

Twój adres email nie zostanie opublikowany. Pola, których wypełnienie jest wymagane, są oznaczone symbolem *