Phân loại chất lượng không khí từ hình ảnh với học sâu ít mẫu

Abstract

Phân loại chất lượng không khí từ hình ảnh đóng vai trò quan trọng trong việc giám sát và cảnh báo về ô nhiễm môi trường, đặc biệt khi cảm biến thường tốn kém và khó lắp đặt, trong khi camera ngày càng trở nên phổ biến và dễ dàng tiếp cận. Nghiên cứu này giới thiệu phương pháp Few-Shot Learning - FSL (học sâu ít mẫu) áp dụng cho các mô hình học sâu phân loại chất lượng không khí. Bằng cách áp dụng FSL, chúng tôi xây dựng những mô hình học sâu có khả năng học hiệu quả từ số lượng nhỏ dữ liệu huấn luyện, đồng thời đạt độ chính xác cao trong phân loại các mức độ chất lượng không khí. Phương pháp đã được thử nghiệm trên bộ dữ liệu Air Pollution Image Dataset from India and Nepal, cho thấy độ chính xác vượt trội với phương pháp huấn luyện truyền thống. Phương pháp chứng tỏ khả năng ứng dụng FSL trong phân loại chất lượng không khí, đặc biệt trong bối cảnh dữ liệu hình ảnh về chất lượng không khí còn hạn chế.