Xiaoping Wu1, Chi Zhan1, Yu-Kun Lai2, Ming-Ming Cheng1, Jufeng Yang1∗
1Nankai Universidade 2Cardiff Universidade
Resumo
Insetos são um dos principais fatores que afetam a agricultura rendimento do produto., O reconhecimento rigoroso das pragas de insectos facilita medidas preventivas atempadas para evitar perdas económicas. No entanto, os conjuntos de dados existentes para a tarefa de classificação visual focam-se principalmente em objetos comuns, por exemplo, flores e cães. Isto limita a aplicação de tecnologia de aprendizagem profunda poderosa em domínios específicos como o campo agrícola. Neste artigo, coletamos um conjunto de dados em larga escala chamado IP102 para reconhecimento de pragas de insetos. Especificamente, ele contém mais de 75.000 imagens pertencentes a 102 categorias, que exibem uma distribuição natural de cauda longa., Além disso, anotamos cerca de 19.000 imagens com caixas envolventes para detecção de objetos. O IP102 tem uma taxonomia hierárquica e as pragas de insectos que afectam principalmente um produto agrícola específico estão agrupadas na mesma categoria de nível superior. Além disso, realizamos vários experimentos de base no conjunto de dados IP102, incluindo métodos de classificação baseados em recursos artesanais e profundos. Resultados experimentais mostram que este conjunto de dados tem os desafios da variância inter e intra – classes e desequilíbrio de dados., Acreditamos que o nosso IP102 irá facilitar futuras pesquisas sobre controle de pragas de insetos, classificação visual de grão fino e áreas de aprendizagem desequilibradas. Nós tornamos o conjunto de dados e modelos pré-treinados publicamente disponíveis em https://github.com/xpwu95/IP102.
papel
destaques
- O Maior Conjunto de dados públicos para o reconhecimento de pragas de insectos. Este conjunto de dados contém 102 pragas de insectos, incluindo 75.222 imagens com etiquetas de categoria e 18.976 imagens com caixas envolventes.Experiências extensivas no conjunto de dados proposto.,a praga dos insectos é um dos principais factores que afectam o rendimento dos produtos agrícolas. O reconhecimento rigoroso das pragas de insectos facilita medidas preventivas atempadas para evitar perdas económicas.os conjuntos de dados existentes sobre pragas de insectos de pequena escala não podem satisfazer as exigências da tecnologia de ponta.
estatísticas do ip102
Figura 1: Estatísticas do conjunto de dados proposto para o IP102. a) sistema hierárquico de taxonomia. b) Informação Estatística.,
desafios do ip102 proposto
Figura 2: desafios do conjunto de dados proposto para o IP102. a) distribuição desequilibrada. b) ID Intra-
variância inter-classes.,
Benchmark Experiments
Classification performance of handcrafted and deep features
Classification performance with different hierarchical labels
Detection performance
More examples
