4Weed 数据集：带标注的杂草图像数据集
计算机视觉与模式识别
2022-04-04 v1 图像与视频处理
摘要
杂草是作物的主要威胁，是造成全球作物减产的原因。为减轻其负面影响，在生长季早期准确识别杂草以防止其在田间蔓延是有利的。传统上，农民依靠人工巡查田间并对不同杂草施用除草剂。然而，在早生阶段很容易将作物与杂草混淆。近年来，基于深度学习的杂草识别变得流行，因为深度学习依赖卷积神经网络，能够学习杂草与作物之间重要的可区分特征。然而，训练鲁棒的深度学习模型需要访问大型图像数据集。因此，我们在田间条件下获取了一个生长季早期的杂草数据集。该数据集包含 159 张苍耳（Cocklebur）图像、139 张狐尾草（Foxtail）图像、170 张反枝苋（Redroot Pigweed）图像和 150 张巨豚草（Giant Ragweed）图像，对应于玉米和大豆生产系统中四种常见杂草物种。为每张图像创建了边界框标注，以将该数据集用于训练能够准确定位和识别玉米与大豆田间杂草的图像分类和目标检测深度学习网络。(https://osf.io/w9v3j/)
引用
@article{arxiv.2204.00080,
title = {4Weed Dataset: Annotated Imagery Weeds Dataset},
author = {Varun Aggarwal and Aanis Ahmad and Aaron Etienne and Dharmendra Saraswat},
journal= {arXiv preprint arXiv:2204.00080},
year = {2022}
}