一只蚊子抵16x16条幼虫:深度学习架构用于蚊幼虫分类的评估
计算机视觉与模式识别
2022-09-19 v1 人工智能
机器学习
摘要
蚊媒疾病(MBDs),如登革热病毒、基孔肯雅病毒与西尼罗河病毒,每年在全球造成超过一百万人死亡。由于许多此类疾病由Aedes与Culex蚊传播,追踪这些幼虫对于减缓MBDs传播至关重要。即使公民科学不断发展并获取更大的蚊子图像数据集,蚊子图像的手动标注也变得愈发耗时且低效。先前研究已使用计算机视觉识别蚊子物种,卷积神经网络(CNN)已成为图像分类的事实标准。然而,这些模型通常需要大量计算资源。本研究引入了Vision Transformer(ViT)在比较研究中的应用,以改进Aedes与Culex幼虫的图像分类。两个ViT模型(ViT-Base与CvT-13)与两个CNN模型(ResNet-18与ConvNeXT)在蚊幼虫图像数据上训练并比较,以确定区分Aedes与Culex蚊幼虫的最有效模型。测试显示ConvNeXT在所有分类指标上取得最大值,证明了其用于蚊幼虫分类的可行性。基于这些结果,未来研究包括通过结合CNN与transformer架构元素来创建专为蚊幼虫分类设计的模型。
引用
@article{arxiv.2209.07718,
title = {A Mosquito is Worth 16x16 Larvae: Evaluation of Deep Learning Architectures for Mosquito Larvae Classification},
author = {Aswin Surya and David B. Peral and Austin VanLoon and Akhila Rajesh},
journal= {arXiv preprint arXiv:2209.07718},
year = {2022}
}
备注
6 pages, 5 figures, 4 tables. Image dataset, fine-tuning code, and pre-trained models are available at https://github.com/thenerd31/vit-cnn-mosquito-image-classification