用于土壤分类的视觉Transformer
计算机视觉与模式识别
2022-09-08 v1
摘要
我们的粮食安全建立在土壤的基础之上。若土壤不健康，农民便无法为我们提供纤维、食物和燃料。准确预测土壤类型有助于规划土壤利用从而提高生产力。本研究采用最先进的视觉Transformer（Visual Transformer），并与SVM、Alexnet、Resnet和CNN等不同模型比较性能。此外，本研究还关注区分不同的视觉Transformer架构。对于土壤类型分类，数据集包含冲积土、红壤、黑土和黏土4种不同土壤样本。视觉Transformer模型在测试与训练准确率上均优于其他模型，训练达98.13%，测试达93.62%。视觉Transformer的性能超越其他模型至少2%。因此，这种新颖的视觉Transformer可用于包括土壤分类在内的计算机视觉任务。
引用
@article{arxiv.2209.02950,
title = {Visual Transformer for Soil Classification},
author = {Aaryan Jagetia and Umang Goenka and Priyadarshini Kumari and Mary Samuel},
journal= {arXiv preprint arXiv:2209.02950},
year = {2022}
}
备注
Presented in 2022 IEEE Students Conference on Engineering and Systems (SCES), July 01-03, 2022, Prayagraj, India