使用众包昆虫图像的细粒度分类计算机视觉算法性能
计算机视觉与模式识别
2024-04-05 v1 人工智能
摘要
通过细粒度分类，我们识别独特特征以区分同一超类下的不同类别。我们重点关注昆虫纲的物种识别，因为它们对生物多样性监测至关重要，且处于许多生态系统的基础地位。借助公民科学活动，人们在野外收集了数十亿张图像。一旦这些图像被标注，专家便可用其创建分布地图。然而，标注过程耗时费力，这正是计算机视觉发挥作用之处。计算机视觉领域提供了多种算法，各有其优缺点；我们如何确定符合我们应用的算法？为回答这一问题，我们对深度卷积网络（CNN）、视觉 Transformer（ViT）和基于局部性的视觉 Transformer（LBVT）中的九种算法在 4 个不同方面进行了全面详细的评估：分类性能、嵌入质量、计算成本和梯度活动。我们提供了该领域此前未曾有过的见解，证明了这些算法在多大程度上能解决昆虫纲的细粒度任务。我们发现 ViT 在推理速度和计算成本上表现最佳，而 LBVT 在性能和嵌入质量上优于其他算法；CNN 则在各指标间提供了折中。
引用
@article{arxiv.2404.03474,
title = {Performance of computer vision algorithms for fine-grained classification using crowdsourced insect images},
author = {Rita Pucci and Vincent J. Kalkman and Dan Stowell},
journal= {arXiv preprint arXiv:2404.03474},
year = {2024}
}