SugarViT——基于视觉Transformer与深度标签分布学习的无人机图像多目标回归及其在甜菜病害严重度预测中的应用
计算机视觉与模式识别
2024-02-02 v3 人工智能
摘要
遥感与人工智能是当今精准农业的关键技术。大规模田间影像的高效获取结合机器学习技术在表型分析、除草、收割与病害防控等各类任务中成效显著。本工作将介绍一种机器学习框架，用于甜菜尾孢叶斑病（CLS）病害严重度评分这一用例的自动化大规模植株级性状标注。借助深度标签分布学习（DLDL）概念、特殊损失函数与定制模型架构，我们开发了名为 SugarViT 的基于视觉Transformer的高效病害严重度评分模型。本工作的一项新颖之处在于将遥感数据与地面试验点的环境参数相结合用于病害严重度预测。尽管模型在该特定用例上评估，其仍保持尽可能通用，以适用于各类基于图像的分类与回归任务。借助我们的框架，甚至可学习多目标问题的模型，正如我们通过环境元数据上的预训练所展示的那样。
引用
@article{arxiv.2311.03076,
title = {SugarViT -- Multi-objective Regression of UAV Images with Vision Transformers and Deep Label Distribution Learning Demonstrated on Disease Severity Prediction in Sugar Beet},
author = {Maurice Günder and Facundo Ramón Ispizua Yamati and Abel Andree Barreto Alcántara and Anne-Katrin Mahlein and Rafet Sifa and Christian Bauckhage},
journal= {arXiv preprint arXiv:2311.03076},
year = {2024}
}
备注
submitted to Computers and Electronics in Agriculture