莲座植物叶片分割和计数任务的数据增强

莲座植物叶片分割和计数任务的数据增强

本文提出了一种保留数据对象几何结构的方法,从而攻克莲座植物叶片分割和计数挑战,植物表型资讯介绍如下:

随着涉及图像处理和数据分析的深度学习技术不断发展,许多领域将这些技术用于对象分割、实例化和分类。最近,农业工业也采用了这些技术为全球农民带来自动化处理流程。在该领域中,自动视觉检查所需的一个分析程序是叶片计数和分割。由于作物种类繁多、生长季节、气候变化、表型多样性等因素,从田间和温室收集标记数据过程十分复杂,尤其是当特定学习任务需要大量标记数据进行培训时。目前,用于训练深度神经网络的数据增强已建成,如数据合成、使用生成半合成模型以及应用各种变换等。

微信图片_20190422162441

成熟的鳄梨叶:(a)原始图像,(b)带有手动注释的原始图像,(c)注释细节

微信图片_20190422162444

用于天然拼贴的分段鳄梨叶片

微信图片_20190422162446

以农业场景为背景的拼贴实例

本文提出了一种保留数据对象几何结构的方法,从而保持数据集的物理外观尽可能接近真实农业场景中的成像植物。该方法在应用于该领域的标准基准时可提供最先进的结果,即,由植物表型中的计算机视觉问题所引发的持续叶片分割挑战。

微信图片_20190422162450

从鳄梨训练集生成的图像(a)和相应的遮盖(b)

微信图片_20190422162454

模拟拟南芥A1子集的生成图像和分割示例

微信图片_20190422162458

鳄梨测试图像:原始和掩码R-CNN分割结果

来源:

Kuznichov D, Zvirin A, Honen Y, and Kimmel R, Data Augmentation for Leaf Segmentation and Counting Tasks in Rosette Plants, arXiv:1903.08583v1, 2019

微信图片_20190423133619

扩展阅读:

粽香情浓,植物表型资讯一周年目录汇总

植物表型资讯2018年1-12月目录汇总

植物表型资讯2019年1-3月目录汇总

微信图片_20190408151928