Detección de puntos de referencia de las alas traseras utilizando aprendizaje por transferencia y redes de alta resolución
Autores: Yang, Yi; Liu, Xiaokun; Li, Wenjie; Li, Congqiao; Ma, Ge; Yang, Guangqin; Ren, Jing; Ge, Siqin
Idioma: Inglés
Editor: MDPI
Año: 2023
Acceso abierto
Artículo científico
Categoría
Ciencias Naturales y Subdisciplinas
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 3
Citaciones: Sin citaciones
La venación de las alas traseras es una de las características morfológicas más importantes para el análisis funcional y evolutivo de los escarabajos, ya que es una de las características clave utilizadas para el análisis del rendimiento de vuelo de los escarabajos y el diseño de vehículos aéreos micro con alas batientes similares a las de los escarabajos. Sin embargo, la anotación manual de puntos de referencia para el análisis morfológico de las alas traseras es un proceso que consume mucho tiempo y obstaculiza el desarrollo de la investigación sobre la morfología de las alas. En este artículo, presentamos un enfoque novedoso para la detección de puntos de referencia en las alas traseras de los escarabajos de hojas (Coleoptera, Chrysomelidae) utilizando un número limitado de muestras. El método propuesto implica la transferencia de un modelo preexistente, entrenado en un gran conjunto de datos de imágenes naturales, al dominio específico de las alas traseras de los escarabajos de hojas. Esto se logra utilizando una red profunda de alta resolución como columna vertebral. Los parámetros de la red de bajo nivel se congelan, mientras que los parámetros de alto nivel se reentrenan para construir un modelo de detección de puntos de referencia de las alas traseras de los escarabajos de hojas. Se construyó un conjunto de datos de puntos de referencia de las alas traseras de los escarabajos de hojas, y la red se entrenó con diferentes números de muestras de alas traseras seleccionadas al azar. Los resultados demuestran que el error medio normalizado de detección promedio para puntos de referencia específicos de las alas traseras de los escarabajos de hojas (100 muestras) se mantiene por debajo de 0.02 y solo alcanzó 0.045 al utilizar apenas tres muestras para el entrenamiento. Los análisis comparativos revelan que el enfoque propuesto supera a un método utilizado predominantemente (es decir, una red residual profunda). Este estudio muestra la viabilidad de emplear imágenes naturales, específicamente aquellas en ImageNet, con el propósito de preentrenar modelos de detección de puntos de referencia de las alas traseras de los escarabajos de hojas en particular, proporcionando un enfoque prometedor para la digitalización de la venación de las alas de los insectos.
Descripción
La venación de las alas traseras es una de las características morfológicas más importantes para el análisis funcional y evolutivo de los escarabajos, ya que es una de las características clave utilizadas para el análisis del rendimiento de vuelo de los escarabajos y el diseño de vehículos aéreos micro con alas batientes similares a las de los escarabajos. Sin embargo, la anotación manual de puntos de referencia para el análisis morfológico de las alas traseras es un proceso que consume mucho tiempo y obstaculiza el desarrollo de la investigación sobre la morfología de las alas. En este artículo, presentamos un enfoque novedoso para la detección de puntos de referencia en las alas traseras de los escarabajos de hojas (Coleoptera, Chrysomelidae) utilizando un número limitado de muestras. El método propuesto implica la transferencia de un modelo preexistente, entrenado en un gran conjunto de datos de imágenes naturales, al dominio específico de las alas traseras de los escarabajos de hojas. Esto se logra utilizando una red profunda de alta resolución como columna vertebral. Los parámetros de la red de bajo nivel se congelan, mientras que los parámetros de alto nivel se reentrenan para construir un modelo de detección de puntos de referencia de las alas traseras de los escarabajos de hojas. Se construyó un conjunto de datos de puntos de referencia de las alas traseras de los escarabajos de hojas, y la red se entrenó con diferentes números de muestras de alas traseras seleccionadas al azar. Los resultados demuestran que el error medio normalizado de detección promedio para puntos de referencia específicos de las alas traseras de los escarabajos de hojas (100 muestras) se mantiene por debajo de 0.02 y solo alcanzó 0.045 al utilizar apenas tres muestras para el entrenamiento. Los análisis comparativos revelan que el enfoque propuesto supera a un método utilizado predominantemente (es decir, una red residual profunda). Este estudio muestra la viabilidad de emplear imágenes naturales, específicamente aquellas en ImageNet, con el propósito de preentrenar modelos de detección de puntos de referencia de las alas traseras de los escarabajos de hojas en particular, proporcionando un enfoque prometedor para la digitalización de la venación de las alas de los insectos.