叶片计数回归的深度神经网络

叶片计数回归的深度神经网络

本文提出一项旨在了解深度神经网络(DNN)如何在回归任务中做出决策的研究,主要探讨了叶片计数这一常见植物表型任务中的深度学习方法。植物表型资讯简介如下:

近年来,深度学习方法在各种计算机视觉应用中的普及和成功不断增加。然而,由于缺乏对其决策过程的直观解释,深度学习方法一度被科学家们视为“黑匣子”为此,本文提出一项旨在了解深度神经网络(DNN)如何在回归任务中做出决策的研究,主要探讨了叶片计数这一常见植物表型任务中的深度学习方法。

2

A:通用深度学习框架将图像输入到训练的深度神经网络(DNN)中,输出叶片计数。B:研究输入图像的哪些元素在计算预测时的贡献最大,并了解2

可视化技术,显示输入的哪些部分被考虑用于最终叶片计数预测

研究人员采用分层相关传播(LRP)和引导反向传播来深入了解输入的哪些部分对中间层和输出有贡献,结果观察到网络在训练期间很大程度上忽视了背景而聚焦于植物,但他们随后发现叶片边缘才是植物计数任务中与网络模型最相关的部分。最后,在CVPPP 2017叶片计数挑战数据集上利用VGG-16深度神经网络对结果进行评估。

3

4

 该图的顶部包含本研究中使用的VGG-16网络架构图

来源:

Dobrescu A, Giuffrida M V,Tsaftaris S T., et al. Understanding Deep Neural Networks For Regression In Leaf Counting. Front. Plant Sci.,CVPRW 2019.

 

扩展阅读:

植物表型资讯两周年目录汇总

植物表型资讯2019年1-6月目录汇总

微信图片_20190612095759