数字农科院2.0

基于深度学习的半监督图像标注系统设计与实现

文献类型： 中文期刊

作者： 胡明玉;夏雪;杨晨雪;曹景军;柴秀娟

作者机构：

关键词： 图像标注 ; 深度学习 ; 目标检测 ; 食用菌 ; 半监督

期刊名称：中国农业大学学报

ISSN： 1007-4333

年卷期： 2021 年 26 卷 05 期

页码：

收录情况： 北大核心（2020版） ; CSCD（2020-2021年度） ; 农林核心（2020版） ; 科技核心（2020版）

摘要： 针对深度学习研究中标注训练样本费时费力的问题,以食用菌为研究对象,设计一种基于深度学习的半监督图像标注方法。该方法将深度学习目标检测模型与迭代图像标注工作有效结合,采用"检测模型训练—目标自动检测—人工标注修正—检测模型更新"的迭代操作,实现半监督方式的图像标注。基于所设计的方法构建了半监督图像标注系统,在试验中对系统进行性能评测和分析。结果表明:迭代更新后的检测模型在测试集上的检测准确率为98.1%,召回率为88.5%,平均准确率为88.3%;利用所构建的半监督图像标注系统可以实现15s/幅的标注速度,单幅图像的标注耗时仅为纯手工标注耗时的2.5%,图像标注时间代价大幅降低。研究结果为深度学习研究中的训练样本标注提供了高效的标注方法和工具,有助于提高图像标注效率,减少人力成本投入。

分类号：

  • 相关文献

[1]基于卷积神经网络的经济林产品检测与分选研究进展. 张晓,刘英,李玉荣,费叶琦. 2021

[2]Landsat 8地表温度产品降尺度深度学习方法研究. 张义峥,吴鹏海,段四波,杨辉,殷志祥. 2021

[3]基于SSD模型的巢门蜜蜂检测. 吕纯阳,刘升平,郭秀明,肖顺夫,刘大众,杨菲菲,李路华. 2021

作者其他论文 更多>>