深度学习时代的植物病害识别数据集：挑战与机遇
计算机视觉与模式识别
2023-12-14 v1
摘要
近年来，随着深度学习的发展，植物病害识别取得了显著进步。尽管植物病害数据集至关重要且许多相关数据集已公开可用，但仍存在两个根本性问题。首先，如何区分数据集并进一步为特定应用选择合适的公开数据集？其次，数据集需要具备哪些特征才能在现实应用中取得令人满意的性能？为解决这些问题，本研究明确提出了一个信息丰富的分类法来描述潜在的植物病害数据集。我们进一步为未来提供了若干方向，例如创建面向挑战的数据集，以及将深度学习以令人满意的性能部署到现实应用中的最终目标。此外，还总结了现有的相关公开RGB图像数据集。我们相信，这项研究将有助于构建更好的数据集，并且其贡献将超越植物病害识别，延伸至植物物种识别等领域。为方便社区使用，我们的项目已在https://github.com/xml94/PPDRD上公开，提供了相关公开数据集的信息。
引用
@article{arxiv.2312.07905,
title = {Plant Disease Recognition Datasets in the Age of Deep Learning: Challenges and Opportunities},
author = {Mingle Xu and Ji Eun Park and Jaehwan Lee and Jucheng Yang and Sook Yoon},
journal= {arXiv preprint arXiv:2312.07905},
year = {2023}
}
备注
Submission v1 to a journal