LANTERN-RD：赋能深度学习以缓解入侵性斑衣蜡蝉
计算机视觉与模式识别
2022-05-16 v1 人工智能
摘要
斑衣蜡蝉（SLF）是一种入侵性蜡蝉，威胁着美国东北部与日本等地区的本地生物多样性与农业经济。在研究者匆忙研究该昆虫之际，检测、姿态估计与准确识别等计算机视觉任务具有在遏制 SLF 方面产生重要下游影响的巨大潜力。然而，目前尚无公开可用数据集用于训练此类 AI 模型。为赋能计算机视觉应用并推动应对入侵性 SLF 问题的进展，我们提出了 LANTERN-RD，这是首个精心整理的斑衣蜡蝉及其相似物种图像数据集，具有多变光照条件、多样背景以及不同姿态主体的图像。基于 VGG16 的基线 CNN 验证了该数据集在激发新计算机视觉应用以加速入侵性 SLF 研究方面的潜力。此外，我们将训练模型实现于一个简单的移动端分类应用，以直接赋能负责任的公众缓解工作。本工作的总体使命是引入新颖的 SLF 图像数据集并发布一个赋能计算机视觉应用的分类框架，从而促进围绕入侵性 SLF 的研究并协助最小化其农业与经济损害。
引用
@article{arxiv.2205.06397,
title = {LANTERN-RD: Enabling Deep Learning for Mitigation of the Invasive Spotted Lanternfly},
author = {Srivatsa Kundurthy},
journal= {arXiv preprint arXiv:2205.06397},
year = {2022}
}
备注
Under Review at IEEE Conference on Computer Vision and Pattern Recognition, CV4Animals: Computer Vision for Animal Behavior Tracking and Modeling Workshop, 2022