基于深度卷积神经网络与视觉注意的真实世界植物物种识别
计算机视觉与模式识别
2019-03-04 v4
摘要
本文研究真实世界识别问题以更好地实现物种保护。我们聚焦于植物物种识别，因其是一个经典且热门的问题。传统植物物种识别的样本为扫描标本且背景简单。然而，真实世界物种识别更具挑战性。我们首先系统探讨了何为真实世界物种识别及其与传统植物物种识别的区别。为应对该挑战性任务，基于计算机科学与技术领域的最新进展提出了跨学科协作。本文提出了一种新颖框架及一种用于深度学习的有效数据增强方法。我们首先在通用识别前依据视觉注意裁剪图像。此外，我们将其用作数据增强方法。我们称该新颖数据增强方法为注意裁剪（AC）。深度卷积神经网络经训练以从大量数据预测物种。我们在传统数据集与真实世界识别专用数据集上进行了广泛实验以评估方法性能。实验首先表明，我们的方法在不同类型数据集上均达到了 SOTA 结果。此外，我们也评估了数据增强方法 AC 的性能。结果显示 AC 提供了更优性能。与不采用 AC 的方法精度相比，采用 AC 的结果取得了实质性提升。
引用
@article{arxiv.1804.03853,
title = {Real-world plant species identification based on deep convolutional neural networks and visual attention},
author = {Qingguo Xiao and Guangyao Li and Li Xie and Qiaochuan Chen},
journal= {arXiv preprint arXiv:1804.03853},
year = {2019}
}
备注
published