城市昆虫的注释图像数据集用于计算机视觉和深度学习模型的开发,具有检测任务

科学领域:

• 昆虫学 昆虫学是一门学科.
• 计算机视觉 计算机视觉
• 人工智能的人工智能

背景情况:

• 城市环境拥有多样化的昆虫种群,这给识别和害虫控制带来了挑战.
• 准确的昆虫识别对于生态研究和公共卫生倡议至关重要.
• 现有的数据集可能缺乏高级AI模型培训所需的细节或范围.

研究的目的:

• 创建一个全面的,注释图像数据集的城市昆虫.
• 促进深度学习模型的开发,用于昆虫的识别和分类.
• 支持城市昆虫学,害虫管理和生物多样性监测方面的研究.

主要方法:

• 在城市与食品相关的设施中使用紫外线陷收集飞行昆虫.
• 在粘贴卡上捕获了昆虫的高分辨率扫描图像 (1200dpi).
• 通过昆虫学专家的CVAT对超过25,000张昆虫图像进行了注释,并在订单级别使用边界框.

主要成果:

• 开发了一个数据集,包含>25,000个城市昆虫分类学和本地化注释.
• 数据集图像保留了精细的形态细节,这对于准确的识别至关重要.
• 该数据集适用于训练和评估像YOLO这样的物体检测模型.

结论:

• 该数据集为推进人工智能驱动的昆虫识别系统提供了宝贵的资源.
• 允许对深度学习模型性能进行比较研究,用于城市昆虫检测.
• 促进城市昆虫多样性评估和害虫控制策略的自动化系统.