Bitki Türlerinin Çok Etiketli Tanımlanmasında Prototip Kılavuzlu Sıfır-Şut Segmentasyon Yöntemi
Bitki Türlerinde Çok Etiketli Tanımlama İçin Prototip Kılavuzlu Sıfır-Şut Segmentasyon Yöntemi Tanıtıldı
Araştırmacılar, yüksek çözünürlüklü bitki görüntülerinde çok etiketli tür tanımlaması için prototip kılavuzlu sıfır-şut segmentasyon yöntemi geliştirdi.
Önemli Noktalar
- Yöntem, PlantCLEF 2025 yarışmasında özel sıralamada beşinci oldu ve F1 skoru 0.33331 elde etti.
- Model, sınıf prototiplerini rehber olarak kullanarak test görüntülerinde türlerin lokalizasyonunu sağlıyor.
- Kodlar açık kaynak olarak GitHub üzerinden erişilebilir.
Teknik Detaylar
Sunulan yaklaşım, yüksek çözünürlüklü bitki görüntülerinde çok etiketli tür tanımlaması için geliştirildi. Yöntem, eğitim veri setinden elde edilen sınıf prototiplerini rehber olarak kullanarak, segmentasyon için özel bir Vision Transformer (ViT) modeli eğitiyor. Prototipler, eğitim görüntülerinden özellikler çıkarılıp K-Means algoritması ile, veri setindeki sınıf sayısı kadar küme oluşturularak elde edildi.
Segmentasyon modeli, dar bir ViT mimarisi üzerine kuruldu ve yama gömme katmanı, DinoV2 ile değiştirildi. DinoV2, eğitim veri setinde tekil tür sınıflandırması için önceden eğitilmiş bir model olarak kullanıldı. Model, test veri seti görüntülerinden eğitim veri setindeki sınıf prototiplerini yeniden oluşturmaya odaklandı.
Bu model, dikkat skorlarını kullanarak ilgi alanlarını tespit edip lokalize edebiliyor ve böylece sınıflandırma sürecini yönlendiriyor. Yöntem, tekil türlerle çoklu sınıf tanımlamadan, yüksek çözünürlüklü bitki alanlarında çok etiketli sınıflandırmaya alan adaptasyonu sağladı.
Performans ve Sonuçlar
Önerilen yöntem, PlantCLEF 2025 yarışmasının özel liderlik tablosunda beşinci sırada yer aldı ve F1 skoru 0.33331 olarak raporlandı. Mutlak olarak, en iyi katılımdan sadece 0.03 daha düşük bir skor elde etti ve benchmark görevinde rekabetçi bir performans gösterdi. Tüm kodlara buradan ulaşılabilir.
Son Gelişmeler İçin
En güncel teknoloji haberleri ve gelişmeler için @synvalo sosyal medya hesaplarımızı takip edebilirsiniz.
Kaynak: arxiv.org