基于迁移学习的有毒真菌精细分类
计算机视觉与模式识别
2024-07-11 v1 机器学习
摘要
FungiCLEF 2024 关注真菌物种的精细视觉分类(FGVC)，尤其是识别有毒物种。该任务具有数据集大小不足、类别不平衡、类别间细微差异以及样本在同一类别内差异大的挑战。本文通过在预计算的图像嵌入上使用集成分类头来应对这一挑战。我们的团队(DS@GT)表明，最先进的自监督视觉模型可作为无需针对视觉主干进行任务特定微调即可用于计算机视觉任务的稳健特征提取器。我们的做法在竞赛后评估中在私有测试集上取得了最佳 Track 3 分数(0.345)、准确率(78.4%)和宏平均 F1(0.577)。我们的代码已公开available at https://github.com/dsgt-kaggle-clef/fungiclef-2024.
引用
@article{arxiv.2407.07492,
title = {Fine-Grained Classification for Poisonous Fungi Identification with Transfer Learning},
author = {Christopher Chiu and Maximilian Heil and Teresa Kim and Anthony Miyaguchi},
journal= {arXiv preprint arXiv:2407.07492},
year = {2024}
}
备注
Submitted and accepted into CLEF 2024 CEUR-WS proceedings