Deep Learning-Based Transfer Learning for Classification of Cassava Disease

要約

この論文では、Cassava疾患の画像を分類するための4つの畳み込みニューラルネットワークアーキテクチャ（EfficientNet-B3、InceptionV3、ResNet50、およびVGG16）のパフォーマンス比較を示します。
画像は、競争の不均衡なデータセットから供給されました。
クラスの不均衡に対処するために、適切なメトリックが採用されました。
結果は、87.7％のこのタスク精度、87.8％の精度、87.8％の取り消し、F1スコア87.7％で達成された効率性-B3が達成されたことを示しています。
これらの調査結果は、効率的なNet-B3がデジタル農業をサポートするための貴重なツールになる可能性があることを示唆しています。

要約(オリジナル)

This paper presents a performance comparison among four Convolutional Neural Network architectures (EfficientNet-B3, InceptionV3, ResNet50, and VGG16) for classifying cassava disease images. The images were sourced from an imbalanced dataset from a competition. Appropriate metrics were employed to address class imbalance. The results indicate that EfficientNet-B3 achieved on this task accuracy of 87.7%, precision of 87.8%, revocation of 87.8% and F1-Score of 87.7%. These findings suggest that EfficientNet-B3 could be a valuable tool to support Digital Agriculture.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google