Применение методов доменной адаптации в задаче классификации растений по изображениям их листьев

Потери урожая из-за болезней растений являются серьезной проблемой для сельского хозяйства и экономики. В ЛИТ ОИЯИ была разработана платформа для определения болезней растений (PDDP). В PDDP для решения проблемы распознавания болезней растений по фотографиям их листьев успешно используются методы глубокого обучения. Такие методы требуют большой обучающей выборки. В то же время существует ряд методов, используемых для решения задач классификации в случае малой обучающей выборки. К таким методам относятся методы доменной адаптации. В работе проведено сравнение трех методов: Domain-Adversarial Training of Neural Networks (DANN), двухэтапный перенос обучения и Unsupervised Domain Adaptation with Deep Metric Learning (M-ADDA). M-ADDA позволил достигнуть точности классификации 92%. Исследование выполнено при финансовой поддержке РФФИ в рамках научного проекта № 18- 07-00829.