AGAR：一个用于深度学习检测的微生物菌落数据集
计算机视觉与模式识别
2021-08-04 v1 人工智能
定量方法
摘要
AGAR（Annotated Germs for Automated Recognition，用于自动识别的标注微生物）数据集是一个在琼脂平板上培养的微生物菌落图像数据库。它包含 18,000 张五种不同微生物的单菌或混合菌培养物照片，这些照片在多种光照条件下用两种不同的相机拍摄。所有图像被分为“可计数”、“不可计数”和“空”三类，其中“可计数”类别由微生物学家标注了菌落位置和物种识别信息（总计 336,442 个菌落）。本研究描述了该数据集本身及其开发过程。在第二部分，我们在 AGAR 数据集上评估了选定的用于目标检测的深度神经网络架构（即 Faster R-CNN 和 Cascade R-CNN）的性能。结果证实了深度学习方法在基于培养皿照片自动化微生物定位和分类过程中具有巨大潜力。此外，AGAR 是此类规模和类型的首个公开可用数据集，将促进机器学习模型的未来发展。本研究中使用的数据可在 https://agar.neurosys.com/ 找到。
引用
@article{arxiv.2108.01234,
title = {AGAR a microbial colony dataset for deep learning detection},
author = {Sylwia Majchrowska and Jarosław Pawłowski and Grzegorz Guła and Tomasz Bonus and Agata Hanas and Adam Loch and Agnieszka Pawlak and Justyna Roszkowiak and Tomasz Golan and Zuzanna Drulis-Kawa},
journal= {arXiv preprint arXiv:2108.01234},
year = {2021}
}
备注
main: 9 pages, 4 figures; supplementary: 17 pages, 23 figures/tables