基于图像的加纳木材识别：使用 XyloTron 的机遇、风险与挑战
计算机视觉与模式识别
2019-12-03 v1
摘要
用于木材识别的计算机视觉系统若能有效地在现场部署，则有潜力帮助生产国和消费国打击非法采伐。在这项作为活跃国际合作伙伴关系一部分并在 UNIDO 支持下开展的工作中，我们构建并整理了一个与现场相关的图像数据集，用于训练基于 XyloTron 系统识别 种加纳商用木材的分类器。我们在实验室中测试了模型性能，随后使用多台 XyloTron 设备跨多个站点收集了真实世界的现场性能数据。我们展示了训练模型在实验室和现场的效果，讨论了部署机器学习木材识别模型的实际影响与挑战，并得出结论：现场测试是验证计算机视觉木材识别系统必要的一步——且应被视为金标准。
引用
@article{arxiv.1912.00296,
title = {Image Based Identification of Ghanaian Timbers Using the XyloTron: Opportunities, Risks and Challenges},
author = {Prabu Ravindran and Emmanuel Ebanyenle and Alberta Asi Ebeheakey and Kofi Bonsu Abban and Ophilious Lambog and Richard Soares and Adriana Costa and Alex C. Wiedenhoeft},
journal= {arXiv preprint arXiv:1912.00296},
year = {2019}
}
备注
Presented at NeurIPS 2019 Workshop on Machine Learning for the Developing World