DeepWeedsXデータセットは、9つのカテゴリに分かれた17,508枚の独自の256x256カラー画像で構成されています。訓練用画像が15,007枚、テスト用画像が2,501枚あります。これらの画像は、オーストラリア北部の8つの牧場環境でその場で収集されたものです。

オーストラリア北部の土地管理団体や土地所有者と連絡を取り、最終的に8種類の対象雑草が選ばれました。

大型雑草種の画像データセットを収集するために選ばれた雑草は、チニーアップル（Ziziphus mauritiana）、ランタナ、パーキンソニア（Parkinsonia aculeata）、パーテニウム（Parthenium hysterophorus）、トゲアカシア（Vachellia nilotica）、ゴムツル（Cryptostegia grandiflora）、シアム雑草（Chromolaena odorata）、ヘビノツメグサ（Stachytarpheta spp）です。

DeepWeedsXはDeepWeedsデータセットのサブセットで、当初はAlex Olsenによって収集され、以前から公開されていました。我々は、明確に定義された訓練データセットとテストデータセットを持つラベル付きのバージョンを提案しています。ラベル付きの訓練データセットのサブセットを使って、パラメータ最適化のための検証データセットを構築することができます。

内容

すべてのクラスラベルファイルは、カンマ区切り値（CSV）で構成されており、ラベルと種を詳細に記載しています。例えば、20161207 - 111327 - 0.jpg, 0 は、20161207 - 111327 - 0.jpg がクラス0（チニーアップル）に属することを示しています。

クラスと種のラベルは以下の通りです。

0 - チニーアップル
1 - ランタナ
2 - パーキンソニア
3 - パーテニウム
4 - トゲアカシア
5 - ゴムツル
6 - シアム雑草
7 - ヘビノツメグサ
8 - その他。

すべての画像は1つのZIPアーカイブに圧縮されており、クラスファイルのラベルに従ってラベル付けされています。

引用

DeepWeedsXデータセットを引用する場合は、以下のBibTexエントリを使用してください。

@ARTICLE{8693488, author={C. {Lammie} and A. {Olsen} and T. {Carrick} and M. R. {Azghadi}}, journal={IEEE Access}, title={Low - Power and High - Speed Deep FPGA Inference Engines for Weed Classification at the Edge}, year={2019}, volume={}, number={}, pages={1 - 1}, keywords={Machine Learning (ML);Deep Neural Networks (DNNs);Convolutional Neural Networks (CNNs);Binarized Neural Networks (BNNs);Internet of Things (IoT);Field Programmable Gate Arrays (FPGAs);High - level Synthesis (HLS);Weed Classification}, doi={10.1109/ACCESS.2019.2911709}, ISSN={2169 - 3536}, month={},}

謝辞

すべての元データの収集は、オーストラリア政府農業・水資源省の既存の有害動植物管理ツールと技術プログラム（助成番号4 - 53KULEI）によって資金提供されました。