Découverte des biais dans le jeu de données PlantVillage

Nous rapportons notre étude sur l’utilisation du jeu de données populaire PlantVillage pour entraîner des modèles de détection de maladies végétales basés sur l’apprentissage profond. Nous avons entraîné un modèle d’apprentissage automatique en n’utilisant que 8 pixels provenant des arrière-plans des images de PlantVillage. Ce modèle a atteint une précision de 49,0 % sur l’ensemble de test réservé, nettement au-dessus du taux d’accuracy attendu par hasard (2,6 %). Ce résultat indique que le jeu de données PlantVillage contient des bruits corrélés aux étiquettes, et que les modèles d’apprentissage profond peuvent facilement exploiter cette biais pour effectuer leurs prédictions. Nous discutons de plusieurs approches possibles pour atténuer ce problème.