用于无人机获取多光谱图像分类的半监督GAN
图像与视频处理
2019-05-28 v1 计算机视觉与模式识别
机器学习
摘要
无人机（UAV）用于精准农业（PA）以实现农田的空中监测。需要智能方法来精确定位杂草侵染并优化农药选择。UAV可搭载多光谱相机并采集数据。然而，使用卷积神经网络（CNN）等有监督机器学习算法对多光谱图像进行分类需要大量训练数据。这是深度学习的一个常见缺陷，我们尝试利用半监督生成对抗网络（GAN）加以规避，为所有获取的多光谱图像提供像素级分类。我们的算法由一个生成器网络组成，该网络提供照片级真实感图像作为额外训练数据给一个多类分类器，分类器充当判别器并在少量标注数据上训练。所提方法的性能在weedNet数据集上评估，该数据集由微型飞行器（MAV）采集的多光谱作物与杂草图像构成。所提半监督GAN取得高分类准确率，并展示了基于GAN的方法在具有挑战性的多光谱图像分类任务中的潜力。
引用
@article{arxiv.1905.10920,
title = {Semi-supervised GAN for Classification of Multispectral Imagery Acquired by UAVs},
author = {Hamideh Kerdegari and Manzoor Razaak and Vasileios Argyriou and Paolo Remagnino},
journal= {arXiv preprint arXiv:1905.10920},
year = {2019}
}