基于三元组损失的植被分类任务单样本学习
计算机视觉与模式识别
2021-01-19 v2
摘要
三元组损失函数是能够显著提升单样本学习（One-shot Learning）任务准确率的选项之一。自2015年起，许多项目使用Siamese网络与此类损失进行人脸识别和物体分类。在我们的研究中，我们关注与植被相关的两项任务。第一项是对五种作物（葡萄、棉花、小麦、黄瓜和玉米）的25个类别进行植物病害检测。该任务的动机在于病害导致的收获损失对大型农业结构和农村家庭都是严重问题。第二项是对苔藓物种（5个类别）的识别。苔藓是污染物的天然生物累积器，因此被用于环境监测项目。苔藓物种的识别是样本预处理中的重要步骤。在两项任务中，我们使用了自行收集的图像数据库。我们尝试了若干深度学习架构和方法。我们的以MobileNetV2为基础网络、带三元组损失函数的Siamese网络架构在上述两项任务中均展现出最令人印象深刻的成果。植物病害检测的平均准确率达到超过97.8%，苔藓物种分类达到97.6%。
引用
@article{arxiv.2012.07403,
title = {One-Shot Learning with Triplet Loss for Vegetation Classification Tasks},
author = {Alexander Uzhinskiy and Gennady Ososkov and Pavel Goncharov and Andrey Nechaevskiy and Artem Smetanin},
journal= {arXiv preprint arXiv:2012.07403},
year = {2021}
}