基于深度学习的树皮甲虫致森林树木死亡分类
计算机视觉与模式识别
2022-08-23 v2
摘要
树皮甲虫暴发可对全球森林生态系统与服务造成显著影响。为制定有效的森林政策与管理计划，及早发现受害树木至关重要。尽管树皮甲虫侵害具有视觉症状，但考虑到树冠重叠与冠层叶片变色的不均匀性，该任务仍具挑战。本文提出一种基于深度学习的方法，用于在单株树木尺度上有效分类树皮甲虫侵害的不同阶段。所提方法利用RetinaNet架构（借助为树冠检测预训练的鲁棒特征提取骨干网络）训练一个浅层子网络，以分类由无人机（UAV）所摄图像的不同侵害阶段。此外，考察了多种数据增强策略以解决类别不平衡问题，进而选定仿射变换为此目的最有效者。实验评估表明，所提方法平均准确率达98.95%，显著优于基线方法约10%，证实了其实效性。
引用
@article{arxiv.2207.07241,
title = {Classification of Bark Beetle-Induced Forest Tree Mortality using Deep Learning},
author = {Rudraksh Kapil and Seyed Mojtaba Marvasti-Zadeh and Devin Goodsman and Nilanjan Ray and Nadir Erbilgin},
journal= {arXiv preprint arXiv:2207.07241},
year = {2022}
}
备注
Extended abstract submitted to VAIB Worskhop at ICPR 2022. 4 pages, 6 figures. The code and results are publicly available at https://github.com/rudrakshkapil09/BarkBeetle-Damage-Classification-DL