Semi-supervised learning with convolutional neural networks for UAV images automatic recognition

Autor(es)

Amorim, Willian Paraguassu ^[1] ; Tetila, Everton Castelao ^[2] ; Pistori, Hemerson ^[2] ; Papa, Joao Paulo ^[3]

Afiliação do(s) autor(es)

^[1] Fed Univ Grande Dourados, BR-79804970 Dourados - Brazil

^[2] Univ Catolica Dom Bosco, BR-79117900 Campo Grande - Brazil

^[3] Sao Paulo State Univ UNESP, BR-17033360 Bauru - Brazil

• Tipo de documento: Artigo Científico
• Fonte: COMPUTERS AND ELECTRONICS IN AGRICULTURE; v. 164, SEP 2019.
• Citações Web of Science: 0

Resumo

The annotation of large datasets is an issue whose challenge increases as the number of labeled samples available to train the classifier reduces in comparison to the amount of unlabeled data. In this context, semi-supervised learning methods aim at discovering and propagating labels to unsupervised samples, such that their correct labeling can improve the classification performance. Our proposal makes use of semi-supervised methodologies to classify an unlabeled training set that is used to train a Convolution Neural Network using different training strategies. The proposed approach is experimentally validated for soybean leaf and herbivorous pest identification using images captured by Unmanned Aerial Vehicles and can support specialists and farmers in the pest control management in soybean fields, especially when they have a limited amount of labeled samples. (AU)

• Processo FAPESP: 14/12236-1 - AnImaLS: Anotação de Imagem em Larga Escala: o que máquinas e especialistas podem aprender interagindo?
• Beneficiário: Alexandre Xavier Falcão
• Modalidade de apoio: Auxílio à Pesquisa - Temático
• Processo FAPESP: 13/07375-0 - CeMEAI - Centro de Ciências Matemáticas Aplicadas à Indústria
• Beneficiário: Francisco Louzada Neto
• Modalidade de apoio: Auxílio à Pesquisa - Centros de Pesquisa, Inovação e Difusão - CEPIDs
• Processo FAPESP: 15/25739-4 - Estudo de Semântica em Modelos de Aprendizado em Profundidade
• Beneficiário: Gustavo Henrique de Rosa
• Modalidade de apoio: Bolsas no Brasil - Mestrado
• Processo FAPESP: 16/19403-6 - Modelos de aprendizado baseados em energia e suas aplicações
• Beneficiário: João Paulo Papa
• Modalidade de apoio: Auxílio à Pesquisa - Regular