Efficient and Scalable Training Set Generation for Automated Pollen Monitoring with Hirst-Type Samplers

Biricz András, ELTE (2024.11.01 - 2025.03.31)

Kivonat: A kutatás során egy nagymértékben automatizált, mesterséges intelligenciával támogatott rendszert fejlesztettünk ki a levegőben terjedő pollenek mikroszkópos képek alapján történő azonosítására. A módszerünk lényege, hogy jelentősen csökkenti a kézi annotációs igényt egy speciális, nyílt végű objektumdetektor és transzformer-alapú modellek alkalmazásával. A modell tanítása és értékelése magyarországi, svédországi, franciaországi és mediterrán területekről származó mintákon történt, kontrollált és valós környezetből származó adatokkal. A mélytanulásos modellek tanítása nagyteljesítményű GPU infrastruktúrán zajlott, lehetővé téve komplex detekciós architektúrák hatékony betanítását. Az eredmények hozzájárulnak az allergének monitorozásának és az ökológiai kutatásoknak a modernizálásához.

Previous Post