인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
피인용 0
초록·키워드
In the aquaculture business, timely monitoring and treatment of fish diseases can prevent substantial economic losses. Numerous advanced visual AI algorithms can recognize and classify fish diseases in time. However, collecting fish disease image data from natural environments remains costly, resulting in limited available data. This scarcity of fish disease images hinders the training of advanced visual AI models. In the paper, we propose a data augmentation method that uses image generation technology to address this challenge. Our method first collects healthy fish images and then employs object detection and image segmentation to identify fish body parts. We developed a random fish disease area mask generation algorithm that automatically identifies areas for disease feature generation. Finally, we use image generation models to create disease features in these masked areas, producing synthetic fish disease images. Our experimental results show that our proposed augmentation method improved the RestNet50 model's performance in fish disease image classification, improving precision by 6.0%, recall by 4.4%, F1-score by 3.8%, and accuracy by 4.4%. These improvements are superior to other common augmentation methods.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
UCI(KEPA) : I410-151-25-02-092454780
