[논문 리뷰] The Herbarium Challenge 2019 Dataset

Kiat Chuan Tan, Yulong Liu외 3명|arXiv (Cornell University)|2019. 06. 12.

Smart Agriculture and AI참고 문헌 21인용 수 26

한 줄 요약

이 논문은 683종의 멜라스토마티아세이이 식물 종에 걸쳐 46,469장의 고해상도 허바리움 시트 이미지를 포함한 대규모 전문가 레이블링 데이터셋인 Herbarium Challenge 2019 Dataset을 소개한다. 이 데이터셋은 자동식별 기술의 발전을 위해 설계되었으며, 클래스 불균형, 미세한 형태학적 변동성, 그리고 작은 종 간 차이 등의 과제를 해결하기 위해 이미지 흐림 처리를 통해 단기적 학습을 방지하고, 이미지 크기 조정을 통해 사용성 향상을 도모하였다. 이로 인해 FGVC6 경연 대회에서 최고의 테스트 정확도 89.8%를 달성하였다.

ABSTRACT

Herbarium sheets are invaluable for botanical research, and considerable time and effort is spent by experts to label and identify specimens on them. In view of recent advances in computer vision and deep learning, developing an automated approach to help experts identify specimens could significantly accelerate research in this area. Whereas most existing botanical datasets comprise photos of specimens in the wild, herbarium sheets exhibit dried specimens, which poses new challenges. We present a challenge dataset of herbarium sheet images labeled by experts, with the intent of facilitating the development of automated identification techniques for this challenging scenario.

연구 동기 및 목표

• 식물 다양성 기록에 핵심적인 역할을 하는 허바리움 표본의 자동 식별을 가능하게 하여 종 발견을 가속화하기 위해.
• 야생 식물 이미지와는 질감, 색상, 형태학적 특성에서 크게 다름에도 불구하고 건조 및 보존된 허바리움 시트에서 식물 종을 식별하는 과제를 해결하기 위해.
• 실제 표본 분포를 반영한 벤치마크 데이터셋을 만들기 위해, 높은 클래스 불균형과 상당한 종 내 및 종 간 변동성이 존재하는 데이터셋을 구축하기 위해.
• 모델의 단기적 학습을 방지하기 위해 이미지의 텍스트 및 바코드를 은폐하면서도 분류에 필요한 주요 형태학적 특징은 유지하기 위해.
• 예측 불가능한 종에 일반화할 수 있는 딥 러닝 모델 개발을 지원하고, 지속적인 멸종 위기 상황 속에서 종 기술의 속도를 향상시키기 위해.

제안 방법

• 780만 건의 NYBG 허바리움 표본에서 유래한 데이터셋으로, 멜라스토마티아세이이 종에 속하는 46,469장의 이미지가 선택되었으며, 종 정체성에 대해 전문가가 검증하였다.
• PhotoOCR를 통해 텍스트 및 바코드를 탐지한 후 Heavy Gaussian Blend 알고리즘을 사용해 블러링 처리하여 모델이 메타데이터에 의존하지 않도록 하였다.
• 이미지의 최대 치수를 1024 픽셀로 조정하면서 약간의 비율을 유지하여 데이터셋의 다운샘플링된 버전을 생성하였으며, 총 크기를 52GB에서 2.3GB로 감소시켰다.
• 종 수준에서 75% 훈련, 5% 검증, 20% 테스트 세트로 데이터셋을 분할하여 분할 간 균형 잡힌 분포를 확보하였다.
• CVPR19에서 FGVC6의 일환으로 캐글에서 경연이 개최되었으며, 참가자들은 데이터 증강 및 포커스 손실과 같은 손실 함수를 사용한 SeResNeXt 및 ResNet 등의 모델을 활용하였다.
• 상위 성능을 낸 모델들은 앙상블 기법, 변형 가능한 컨볼루션, 랜덤 에리징 및 iSQRT와 같은 기법을 사용하여 일반화 및 정확도 향상을 도모하였다.

실험 결과

연구 질문

• RQ1 높은 클래스 불균형과 미세한 형태학적 변동성에도 불구하고 딥 러닝 모델이 허바리움 표본을 높은 정확도로 분류할 수 있는가?
• RQ2 모델이 허바리움 시트의 바코드 및 텍스트와 같은 비생물학적 신호에 얼마나 의존하는가? 이를 어떻게 완화할 수 있는가?
• RQ3 ImageNet 및 iNaturalist에서 미세조정된 상태에서 훈련된 최신 기술 모델들이, 종당 훈련 샘플 수가 제한된 전문화된 허바리움 데이터셋에서 얼마나 효과적인가?
• RQ4 이 데이터셋으로 훈련된 모델들이 이전에 보지 못한 종에 일반화할 수 있는가? 어떤 기법이 제로샷 또는 소수 샘플 일반화를 향상시키는가?
• RQ5 이미지 전처리, 특히 메타데이터의 블러링이 종 식별 성능 및 강건성에 어떤 영향을 미치는가?

주요 결과

• Herbarium Challenge 2019는 사적 테스트 세트에서 최고의 테스트 정확도 89.8%를 기록하여, 허바리움 이미지에서의 고정확도 자동 종 식별의 가능성을 입증하였다.
• 우승 방법은 SeResNeXt-50, SeResNeXt-101, ResNet-152를 포함한 다섯 개의 모델 앙상블을 사용하였으며, ImageNet 및 iNaturalist 사전 훈련을 통해 학습시켰다.
• 클래스 균형 잡힌 포커스 손실과 표준 데이터 증강 기법의 사용이 극도로 불균형한 데이터셋에서 성능 향상에 기여하였다.
• 텍스트 및 바코드 블러링 전처리 단계는 모델이 메타데이터에 의존하는 것을 효과적으로 감소시켜 생물학적 특징에 기반한 학습을 보장하였다.
• 크기 조정된 데이터셋(2.3GB)은 효율적인 훈련 및 추론을 가능하게 하여 전체 데이터셋을 다양한 연구자 및 기관이 접근할 수 있도록 하였다.
• Herbarium 데이터셋에서 iNaturalist 2018 도전과 중복된 종은 오직 두 종 뿐이었으며, 이는 데이터셋이 종 식별 연구 분야에서 독립적이고 상호 보완적인 성격을 지닌다는 것을 시사한다.