spytensor/plants_disease_detection

What it solves

このプロジェクトは、画像から作物病害を検出するための基准実装を提供します。特に AI Challenger 2018 競争に参加する際のために設計されています。植物の画像をさまざまな病害カテゴリーに分類するプロセスを自動化し、農業害虫や病理学的特徴を特定するためのヘルプを提供します。

このシステムは、ImageNet で事前学習された ResNet50 モデルを使用し、グローバルプーリング層を適応型平均プーリング層に置き換え、59 の病害カテゴリーに合わせてカスタマイズされた分類ヘッドを使用します。パイプラインには以下が含まれます：

Data Processing: スクリプト (move.py) が画像をカテゴリーフォルダーに整理し、異常なサンプルの削除を処理します。
Training Pipeline: Adam オプティマイザーを使用し、StepLR スケジューラーを使用、CrossEntropyLoss と、クラス不均衡を扱うための修正された FocalLoss をサポートしています。
Augmentation: オンライン拡張 (rotations, flips, and affine transforms) と、オプションのオフライン拡張 (Gaussian noise, brightness/contrast adjustments) の両方を使用します。
Modernization: コードは PyTorch 2.x に更新されており、Automatic Mixed Precision (AMP) をサポートして、メモリ使用量を削減し、GPU でのトレーニングを高速化します。

農業 AI 研究者、学生、および植物病理学の画像分類に関心がある開発者、または作物病害検出コンテストのための基准として利用可能なものをお探しの方です。

PyTorch 2.x Ready: 現代的な PyTorch に完全に移行しており、CPU/GPU の自動切り替えが可能です。
AMP Support: 高速なトレーニングとメモリ効率のために、Automatic Mixed Precision を統合しています。
Robust Augmentation: オンラインとオフラインの画像変換技術を組み合わせて、モデルの汎化性能を向上させます。
Stratified Sampling: StratifiedKFold ロジックを使用して、トレーニングセットと検証セットの間で一貫性のあるバランスの取れたデータ分割を行います。