为植物病害对象检测引入改进的 PlantDoc 数据集
文章目录
- 背景
- PlantDoc 数据集简介
- 将 PlantDoc 添加到 Roboflow 公共数据集
- PlantDoc 的用例
- 数据集地址
- 相关网址
背景
到 2050 年,世界人口预计将达到 97 亿。这是一张大嘴。
技术正在推动下一代产量增长。计算机视觉对于更环保、更高效的生产尤其重要。例如,Blue River (John Deere) 的“See & Spray ”使机器能够实时进行杂草检测,使用的除草剂减少 90%,同时更有效地针对有问题的杂草。
但农业中的计算机视觉才刚刚开始——更多的开源数据是提高其采用率的关键。我们已经开始看到自动驾驶联合收割机、自动表型分析和自动拖拉机推动精密农业的革命。
PlantDoc 数据集简介
2019 年秋季,印度理工学院的研究人员发布了PlantDoc,这是一个包含 13 个植物物种和 27 个类别(17 个疾病;10 个健康)的 2,598 张图像的数据集,用于图像分类和对象检测。研究人员指出,数据集的创建花费了 300 多个人工小时的收集和注释。与 CropDeep 和 DeepWeeds 等类似数据集不同,该数据集可供公众免费下载,供深度学习研究人员免费使用!
将 PlantDoc 添加到 Roboflow 公共数据集
在Roboflow,我们致力于推进包括农业在内的所有行业的计算机视觉工作。我们将数据集托管在Roboflow 公共数据集上,以您可能需要的任何注释格式提供:VOC XML、COCO JSON、CreateML JSON,甚至 TFRecords。该数据集遵循与 Pratik Kayal 的 GitHub 版本相同的训练/测试拆分,以便轻松重现您的机器学习实验。
当我们将数据集添加到 Roboflow 并利用自动注释检查时,我们发现了改进的机会,因此数据集在某些方面与原始数据集略有不同。
首先,纠正了超过28个注释。在某些情况下,边界框略微超出框架,因此被裁剪为与图像边缘一致。还有一些人意外地限制了零像素并完全丢弃。其中 25 个在训练集中,3 个在测试集中。当人类被分配超过 300 小时的标签来创建 8,851 个边界框时,错误就会发生!Roboflow 会自动识别并纠正任何数据集的这些问题。
PlantDoc 的用例
正如 IIT 的研究人员在他们的论文中所说,“仅植物病害每年就给全球经济造成约 2200 亿美元的损失。” 早期识别植物病害的训练模型可显着提高产量潜力。
该数据集还用作基准测试的有用开放数据集。研究人员训练了YOLOv4、MobileNet和Faster-RCNN等对象检测模型和VGG16、InceptionV3 和EfficientNet等图像分类模型。
PlantDoc 数据集上的对象检测模型结果如下表所示。
PlantDoc 数据集上的分类模型结果如下表所示。
该数据集可用于推进一般农业计算机视觉任务,无论是健康作物分类、植物病害分类还是植物病害对象检测。
随着计算机视觉准备继续将农业转变为一个部门,我们很高兴看到如何使PlantDoc 数据集更易于访问促进研究兴趣。
数据集地址
https://github.com/pratikkayal/PlantDoc-Object-Detection-Dataset
https://public.roboflow.com/object-detection/plantdoc/1/download/voc
相关网址
https://bluerivertechnology.com/our-products/
为植物病害对象检测引入改进的 PlantDoc 数据集相关推荐
- 视觉深度估计的Pseudo-LiDAR:弥合自动驾驶3D对象检测中的差距(CVPR2019)
摘要 3D对象检测是自动驾驶中的一项基本任务.只要从精确但昂贵的LiDAR技术中获得3D输入数据,最新技术就可以以高度准确的检测率获得优势.迄今为止,基于廉价的单目或立体图像数据的方法导致精度大大降低 ...
- OpenCV DNN支持的对象检测模型
点击上方"小白学视觉",选择加"星标"或"置顶" 重磅干货,第一时间送达 本文转自:opencv学堂 引言 OpenCV DNN不光支持图像 ...
- 轻松学Pytorch –使用torchvision实现对象检测
点击上方"小白学视觉",选择加"星标"或"置顶" 重磅干货,第一时间送达 大家好,前面一篇文章介绍了torchvision的模型ResNet ...
- 对象检测目标小用什么模型好_[目标检测] YOLO4论文中文版
点击上方 蓝字 关注我呀! [目标检测] YOLO4论文中文版 文章目录 YOLO4论文中文版 摘要 1.介绍 2.相关工作 2.1.目标检测模型 2.2.Bag of freebies 2.3.Ba ...
- 深度学习cnn人脸检测_用于对象检测的深度学习方法:解释了R-CNN
深度学习cnn人脸检测 介绍 (Introduction) CNN's have been extensively used to classify images. But to detect an ...
- yolo yolov2_PP-YOLO超越YOLOv4 —对象检测的进步
yolo yolov2 重点 (Top highlight) PP-YOLO evaluation metrics show improved performance over YOLOv4, the ...
- 检测和语义分割_分割和对象检测-第1部分
检测和语义分割 有关深层学习的FAU讲义 (FAU LECTURE NOTES ON DEEP LEARNING) These are the lecture notes for FAU's YouT ...
- 深度学习之对象检测_深度学习时代您应该阅读的12篇文章,以了解对象检测
深度学习之对象检测 前言 (Foreword) As the second article in the "Papers You Should Read" series, we a ...
- 深度学习算法原理_用于对象检测的深度学习算法的基本原理
深度学习算法原理 You just got a new drone and you want it to be super smart! Maybe it should detect whether ...
最新文章
- hongyi lee 作业1
- c++98不支持set初始化列表
- 使用Angular HTTP client对数据模型进行创建操作
- java 8 lambda_玩Java 8 – Lambda,路径和文件
- 报表服务扩展:基于WCF技术的报表服务扩展
- Composer/Packagist 最新国内源
- 折半插入排序C/C++
- How to Install Ruby on Rails on CentOS 6
- 【OpenCV学习笔记】【函数学习】十六(Rect参数介绍)
- 自由落体运动c语言编程_欧姆龙NX PLC 轴运动功能块,ST和梯形图双语言
- VSF表格 粘贴板ClipBoard 将数据粘贴到表格 VB6.0
- Webservice接口-简单实例
- ctfshow中Misc入门WP(超级全)
- 在树莓派上配置迅雷远程下载
- 还在担心零基础绘画?这篇文章让你少走弯路!
- 【第六章 | 虚拟存储器】《操作系统 慕课版》课后答案 + 复习
- 记录一次产线502错误
- 初识LTE(五):完整的SISO LTE 物理层实现
- vim 退格键(backspace)
- Greenplum 的备份与恢复
热门文章
- linear-gradient的用法详解
- JDBC连接数据库详细讲解及代码演示
- tsfresh四分位_时间序列挖掘分析:tsfresh特征中文(一)
- 中艺光影秀解析建筑投影秀、3DMapping秀、全息投影技术的区别以及应用场景
- 造轮子 python 随机数填写体温并获取其他表格数据和并生成总表
- python列表排序关键字_Python关键字排序
- 软考-架构师-第三章-数据库系统 第八节 数据库设计的基本步骤(读书笔记)
- ChatGPT 中文调教指南。各种场景使用指南。学习怎么让它听你的话
- oracle number型步数,Android自定义View仿QQ计步器
- ArcGIS GA、RA环境搭建