用于白纹伊蚊分类的深度卷积神经网络
计算机视觉与模式识别
2021-11-01 v1 机器学习
摘要
监测携带疾病的蚊子的传播，是控制登革热、基孔肯雅热、寨卡或黄热病等严重疾病的首要且必要步骤。先前的公民科学项目已能获取带有地理追踪信息的大型图像数据集。随着国际协作者数量增长，由专业昆虫学家手动标注这些用户收集的大量数据变得过于耗时且不可扩展，这强烈需要基于图像对蚊子物种进行自动化分类。我们引入两个深度卷积神经网络在比较研究中的应用以自动化该分类任务。我们利用迁移学习原理在 Mosquito Alert 项目提供的数据上训练两个最先进的架构，获得 94% 的测试准确率。此外，我们应用基于 Grad-CAM 算法的可解释模型来可视化分类图像中判别性最强的区域，这些区域与白纹伊蚊（Aedes albopictus）物种位于腿、腹部和胸部的白色条纹带相吻合。该模型使我们能进一步分析分类错误。视觉 Grad-CAM 模型显示，这些错误与糟糕的采集条件和强烈的图像遮挡有关。
引用
@article{arxiv.2110.15956,
title = {A deep convolutional neural network for classification of Aedes albopictus mosquitoes},
author = {Gereziher Adhane and Mohammad Mahdi Dehshibi and David Masip},
journal= {arXiv preprint arXiv:2110.15956},
year = {2021}
}