Plant Species Classification Using Transfer Learning by Pretrained Classifier VGG-19

要約

ディープラーニングは現在、機械学習の中でも最も重要な分野であり、音声認識、コンピュータビジョン、画像分類、医用画像解析などに応用されている。植物認識は、画像分類を利用して、葉から植物種を識別することができる分野の一つである。植物学者は、個人的な検査によって植物の種類を認識することに多大な時間を割いている。本論文では、スウェーデンの葉のカラー画像を分解し、植物種を識別する方法について述べる。より高い精度を達成するために、事前に学習させた分類器VGG-19の助けを借りて、伝達学習を用いてタスクを完了させる。分類の主要な4つのプロセスは、画像前処理、画像補強、特徴抽出、および認識であり、これらはモデル全体の評価の一部として実行される。VGG-19分類器は、畳み込み層、最大プーリング層、完全連結層などのあらかじめ定義された隠れ層を用いることで葉の特徴を把握し、最後にソフトマックス層を用いてすべての植物クラスに対する特徴表現を生成する。このモデルは、15種類の樹木クラスを含むスウェーデンの葉のデータセットの側面に関連する知識を獲得し、未知の植物の適切なクラスを99.70%の精度で予測するのに役立ち、これはこれまでに報告された研究成果よりも高いものである。

要約(オリジナル)

Deep learning is currently the most important branch of machine learning, with applications in speech recognition, computer vision, image classification, and medical imaging analysis. Plant recognition is one of the areas where image classification can be used to identify plant species through their leaves. Botanists devote a significant amount of time to recognizing plant species by personally inspecting. This paper describes a method for dissecting color images of Swedish leaves and identifying plant species. To achieve higher accuracy, the task is completed using transfer learning with the help of pre-trained classifier VGG-19. The four primary processes of classification are image preprocessing, image augmentation, feature extraction, and recognition, which are performed as part of the overall model evaluation. The VGG-19 classifier grasps the characteristics of leaves by employing pre-defined hidden layers such as convolutional layers, max pooling layers, and fully connected layers, and finally uses the soft-max layer to generate a feature representation for all plant classes. The model obtains knowledge connected to aspects of the Swedish leaf dataset, which contains fifteen tree classes, and aids in predicting the proper class of an unknown plant with an accuracy of 99.70% which is higher than previous research works reported.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL