通过图像定量描述蠕虫: 数据集、模型与深度学习基线
计算机视觉与模式识别
2024-05-01 v1 人工智能
摘要
每年，植物寄生蠕虫——作为主要植物病原体的物种——造成全球粮食产量的显著损失。为缓解由蠕虫导致的粮食产量损失，高效的蠕虫监测方法对于植物和作物病害管理至关重要。就医学研究和药物发现而言，高效的蠕虫检测也有助于，因为蠕虫是模型生物。随着计算机技术的快速发展，计算机视觉技术为定量描述蠕虫或蠕虫感染提供了可行的解决方案。本文调查并归类了通过深度学习模型进行蠕虫检测的研究及可用数据集。为刺激相关领域研究的进展，本次调查提出了潜在的状态-最佳(object detection)模型、训练技术、优化技术以及深度学习初学者的评估指标。此外，在三个公开数据集和AgriNema 数据集上验证了七个状态-最佳(object detection)模型，以构建蠕虫检测的基线。
引用
@article{arxiv.2404.19748,
title = {Quantifying Nematodes through Images: Datasets, Models, and Baselines of Deep Learning},
author = {Zhipeng Yuan and Nasamu Musa and Katarzyna Dybal and Matthew Back and Daniel Leybourne and Po Yang},
journal= {arXiv preprint arXiv:2404.19748},
year = {2024}
}
备注
The 26th IEEE International Conference on Computational Science and Engineering (CSE-2023)