ENGINEERINGNET.BE - Deze automatische labelprocedure bestaat uit twee stappen: een algoritme voor het ontdekken van objecten en een objectclassificator, waarmee duizenden beelden zijn te annoteren met minimale menselijke tussenkomst.
Het algoritme voor objectontdekking maakt gebruik van segmentatiemaskers die voortkomen uit feature extractors getraind onder een zelfgesuperviseerde leeraanpak om objecten op de voorgrond te lokaliseren. Deze feature extractors zijn openlijk beschikbaar.
Ze zijn ook voorgetraind met grootschalige datasets die duizenden objectklassen bevatten, zodat ze zijn te gebruiken om de vruchten van de beelden van de boomgaarden te ontdekken zonder labels nodig te hebben.
De objectclassificator maakt gebruik van de beeldclassificatiecapaciteit van een andere openlijk beschikbare voorgetrainde kenmerkextractor, zodat die zeer snel is te gebruiken.
Na minder dan een dag uitvoering was het resultaat van de automatische labelprocedure een gelabelde dataset met meer dan 100.000 annotaties, verkregen uit meer dan 40.000 beelden.
"Er werd gekozen voor een tweefasige trainingsaanpak, waarbij we de deep learning-modellen eerst voortrainden met de grote gelabelde dataset en vervolgens verfijnden met de kleine dataset," aldus Culman Ferero. "Zo slaagden we erin deep learning-modellen te trainen die concurrerende prestaties opleverden voor detectie van fruit in perenboomgaarden."
De automatische labelingprocedure en de trainingsaanpak kunnen nog vele andere toepassingen dienen, aangezien de implementatie ervan domeinonafhankelijk is.
Culman Ferero: "Dit brengt ons een stap dichter bij de oplossing van het probleem van grote gelabelde gegevens voor toegepaste deep learning, waardoor binnenkort meer onderzoekers en praktijkmensen het potentieel hiervan zullen benutten."
Voor toekomstig onderzoek zullen beelden worden vastgelegd vanaf tractorplatforms, waardoor een gedetailleerd overzicht van de hele boomgaard wordt verkregen.
Ook zal met behulp van een objectvolgalgoritme de detectie worden omgezet in het tellen van de fruitlast. Met behulp van een objectvolumeschattingsalgoritme kan een meer gedetailleerde beschrijving van de gewasopbrengst worden verkregen door de grootte van de vruchten te berekenen.
