农业中的标签高效学习：综述
计算机视觉与模式识别
2023-05-25 v1
摘要
过去十年，机器学习（ML）与深度学习（DL）在农业系统中的应用取得诸多重大成功，包括杂草控制、植物病害诊断、农业机器人与精准畜牧管理。尽管进展巨大，此类 ML/DL 模型的一个短板是通常依赖大规模标注数据集训练，且模型性能深受可用标注样本的数量与质量影响。此外，收集、处理与标注此类大规模数据集极其昂贵耗时，部分源于人力成本上升。因此，开发面向农业应用的标签高效 ML/DL 方法受到研究人员与从业者的显著关注。事实上，自 2016 年以来已有 50 余篇论文开发并应用基于深度学习的标签高效技术以解决各类农业问题，这促使作者及时、全面地综述近期农业应用中的标签高效 ML/DL 方法。为此，我们首先依据监督程度构建原则性分类体系，包括弱监督（即主动学习、半/弱监督学习）与无监督（即无/自监督学习），并辅以代表性的前沿标签高效 ML/DL 方法。此外，系统综述了利用这些标签高效算法的各类农业应用，如精准农业、植物表型分析与采后品质评估。最后，讨论了当前问题、挑战及未来研究方向。分类清晰的论文列表见 https://github.com/DongChen06/Label-efficient-in-Agriculture。
引用
@article{arxiv.2305.14691,
title = {Label-Efficient Learning in Agriculture: A Comprehensive Review},
author = {Jiajia Li and Dong Chen and Xinda Qi and Zhaojian Li and Yanbo Huang and Daniel Morris and Xiaobo Tan},
journal= {arXiv preprint arXiv:2305.14691},
year = {2023}
}
备注
34 pages, 23 figures