熊蜂物种图像分类
计算机视觉与模式识别
2020-06-23 v1 机器学习
机器学习
摘要
昆虫学家、生态学家及其他研究者在野外工作和研究中难以快速准确地识别他们所遇到的熊蜂物种。当前流程需要将蜜蜂制成标本，然后实物寄送给分类学专家以进行正确归类。我们研究了基于迁移学习的图像分类系统是否能完成此任务。我们使用了 Google Inception、Oxford VGG16 和 VGG19 以及 Microsoft ResNet 50。我们发现 Inception 和 VGG 分类器在从可用数据中识别熊蜂物种方面取得了一定进展，而 ResNet 则没有。单个分类器在单物种识别上的准确率最高达 23%，前 3 标签准确率达 44%，而组合模型表现更好，分别为 27% 和 50%。我们认为性能主要受限于我们有限的数据集：29 个物种的 5000 多张标注图像，其中每个物种由 59 至 315 张图像表示。
引用
@article{arxiv.2006.11374,
title = {Bombus Species Image Classification},
author = {Venkat Margapuri and George Lavezzi and Robert Stewart and Dan Wagner},
journal= {arXiv preprint arXiv:2006.11374},
year = {2020}
}