Автоматизований аналіз та класифікація біологічних ознак рослин з застосуванням нейронних мереж

Abstract

Об’єкт дослідження — методи та інструменти комп’ютерного бачення для автоматизованої класифікації біологічних ознак рослин за зображеннями листя та інтеграція моделі в прикладний програмний інтерфейс (локальний/веб-демо). Предмет дослідження — архітектурні особливості глибоких нейронних мереж для мультилейблової класифікації біологічних ознак рослин, включно з багатоголовими (multi-head) схемами та процедурами підвищення надійності (OOD-виявлення, hard negative mining, супер-роздільність), а також можливість їх інтеграції з таксономічно-регуляризованим тонким налаштуванням (fine-tuning) Мета роботи — розробити та експериментально дослідити ефективність багатоголової архітектури (Multi-Head Fine-Tuning, MHFT) для задачі мультилейблової класифікації хвороб рослин (на прикладі FGVC8 Plant Pathology 2021), порівнявши її з простим базовим перенавчанням на одному головному класифікаторі (vanilla fine-tuning), а також оцінити внесок супутніх модулів (OOD виявлення, hard negative mining, супер-роздільність деталей листя).