面向小数据集的基于双阶段卷积神经网络系统的稻粒病害识别
计算机视觉与模式识别
2021-05-11 v2
摘要
尽管卷积神经网络（CNN）被广泛用于植物病害检测，但在处理具有各种异构背景的情况时，它们需要大量的训练样本。本文提出了一种基于 CNN 的双阶段方法，该方法能够在具有异构性的小规模稻粒病害数据集上有效工作。在第一阶段，应用 Faster RCNN 方法从图像中裁剪出显著部分（稻粒）。这一初始阶段生成了一个无异构背景的稻粒二级数据集。随后使用 CNN 架构对这些导出的简化样本进行病害分类。将双阶段方法与直接在小规模稻粒数据集上应用 CNN 进行比较，显示了所提方法的有效性，其 5 折交叉验证准确率达到 88.07%。
引用
@article{arxiv.2004.09870,
title = {Rice grain disease identification using dual phase convolutional neural network based system aimed at small dataset},
author = {Tashin Ahmed and Chowdhury Rafeed Rahman and Md. Faysal Mahmud Abid},
journal= {arXiv preprint arXiv:2004.09870},
year = {2021}
}