学术中心

全部分类
您现在的位置:
首页
/
/
/
玉米穗计数网络V3: 基于引导性上采样与背景抑制的可解释性植物计数

玉米穗计数网络V3: 基于引导性上采样与背景抑制的可解释性植物计数

  • 分类:植物表型资讯
  • 作者:陆昊
  • 来源:本站
  • 发布时间:2021-03-18 06:10
  • 访问量:

【概要描述】本文为了解决植物计数方法的可解释性问题,提出了一种基于引导性上采样与背景抑制的可解释植物计数网络,并提出了一个由无人机采集的玉米穗计数数据集。

玉米穗计数网络V3: 基于引导性上采样与背景抑制的可解释性植物计数

【概要描述】本文为了解决植物计数方法的可解释性问题,提出了一种基于引导性上采样与背景抑制的可解释植物计数网络,并提出了一个由无人机采集的玉米穗计数数据集。

  • 分类:植物表型资讯
  • 作者:陆昊
  • 来源:本站
  • 发布时间:2021-03-18 06:10
  • 访问量:
详情

本文为了解决植物计数方法的可解释性问题,提出了一种基于引导性上采样与背景抑制的可解释植物计数网络,并提出了一个由无人机采集的玉米穗计数数据集。

 

植物计数在农业中有着广泛的应用场景。由于无人机等图像采集设备的应用,以及计算机视觉技术尤其是基于深度学习的计算机视觉计数的发展,通过视觉进行植物自动计数成为了研究热点。这其中,基于局部计数框架设计的植物计数方法,能够获得较高的计数精度。然而,由于该类方法用低分辨率的监督信号去监督低分辨率的特征图回归,最终的结果无法直观的解释目标是否被计数,也使得失败样例难以被分析,从而限制了算法的性能。在增强算法可解释性的启发下,本文设计了引导性上采样算法与背景抑制机制,并将他们与我们前期的工作TasselNetV2相结合,提出了TasselNetV3系列算法。

 

可解释性示意图

 

局部计数算法框架

 

引导性上采样

 

解决可解释性差这一问题的首要步骤是提升图结果的分辨率。传统局部计数方法在生成低分辨率计数图后,通过简单平均的方式将计数值平均分配到子块中,以此达到提升分辨率的效果。然而实际目标在图像子块中并不总是均匀分布,这种分配会引入新误差。为此,我们提出引导性上采样,以计数结果的特征图为引导进行数值重分配。 我们将引导性上采样与TasselNetV2相结合,即可获得TasselNetV3的第一个版本:TasselNetV3-Lite.

 

TasselNetV3-Lite 网络结构图

 

与前景相似背景易被错误计数

 

在TasselNetV3-Lite的可视化结果中我们发现,网络经常将一些与前景类似的背景错误计数。因此我们提出TasselNetV3-Seg系列算法,通过将局部计数网络与分割网络相结合的方式对背景进行抑制,从而减少背景对计数网络的影响,最大程度的发挥网络在有目标区域的计数性能。

 

TasselNetV3-Seg 系列网络结构图

 

为了验证我们的算法,我们在4个数据集上验证了我们算法的性能,其中包括一个我们提出的无人机视角玉米穗计数数据库。该数据库共包含400张玉米穗图像,手动标注了70870个目标点。实验结果证明,我们的方法显著优于TasselNetV2,并且与其他目标计数方法相比很有竞争力。详细分析实验结果请参考论文。

 

验证数据库图像示意图

 

MTC-UVA数据库上的性能评估

 

MTC数据库上的性能评估

 

WED数据库上的性能评估

 

RPC数据库上的性能评估

 

MTC-UVA数据库上的可视化结果

 

MTC数据库上的可视化结果

 

WED数据库上的可视化结果

 

RPC数据库上的可视化结果

 

作者介绍:

该论文作者单位包含华中科技大学、中国农业大学和武汉工程大学,其中:

陆昊,论文第一作者,华中科技大学副教授,华中科技大学人工智能与自动化学院博士毕业,澳大利亚阿德莱德大学博士后。其研究方向为目标计数(含植物计数)、稠密预测、迁移学习和细粒度视觉分类。

刘良,华中科技大学人工智能与自动化学院博士生在读。其研究方向为目标计数与强化学习。

李亚楠,华中科技大学人工智能与自动化学院博士毕业,现为武汉工程大学讲师,研究方向为深度学习及其在农业、植物科学中的应用。

赵晓明,中国农业大学田间测试管理员,吉林农业大学本科和硕士。

王喜庆,中国农业大学教授,作物功能基因组与分子育种研究中心负责人,西北农林科技大学本科、硕士和博士,研究方向为农业与表型机器人。

曹治国,论文通讯作者,华中科技大学教授,历任华中科技大学图像识别与人工智能研究所所长、自动化学院院长、“多谱信息处理技术”国家级重点实验室主任。曹教授团队长期从事图像理解与分析、深度信息提取与真三维视频处理、运动检测与行为分析、计算机视觉在农业中的应用等方向研究。论文“In-field automatic observation of wheat heading stage using computer vision”获欧洲农业工程协会2016-2018杰出论文奖(全球共三篇)。

 

来源:

H. Lu, L. Liu, Y. -N. Li, X. -M. Zhao, X. -Q. Wang and Z. -G. Cao, "TasselNetV3: Explainable Plant Counting With Guided Upsampling and Background Suppression," in IEEE Transactions on Geoscience and Remote Sensing, doi: 10.1109/TGRS.2021.3058962.

关键词:

扫二维码用手机看

推荐新闻

我司荣登2020国际未来农业食品百强榜生物农业TOP20
我司荣登2020国际未来农业食品百强榜生物农业TOP20
慧诺瑞德荣登2020国际未来农业食品百强榜生物农业TOP20
查看详情
慧诺瑞德荣登2020国际未来农业食品百强榜生物农业TOP20
PhenoTrait “职”等你来
PhenoTrait “职”等你来
发布时间 : 2020-11-23 15:31:23
赶快将您的简历发到邮箱hr@phenotrait.com,我们热切的期待您的来信。!
查看详情
赶快将您的简历发到邮箱hr@phenotrait.com,我们热切的期待您的来信。!
慧诺表型实验室推出测试服务
慧诺表型实验室推出测试服务
发布时间 : 2020-08-26 11:38:26
提供植物表型、光合作用等相关的数据测试和分析服务
查看详情
提供植物表型、光合作用等相关的数据测试和分析服务
提高光合效率促进植物生长
提高光合效率促进植物生长
发布时间 : 2020-07-10 00:00:00
我们可能培育出阳光利用率至少为1.5%的植物,而不是目前的0.5%,这是一个巨大的进步。
查看详情
我们可能培育出阳光利用率至少为1.5%的植物,而不是目前的0.5%,这是一个巨大的进步。

视频展示

植物表型架起从数字农业到智慧农业的桥梁
00:30:11
所属分类:
视频展示
发布时间:
2020/12/10
关键词:

专题报道

搜索
确认
取消

联系我们

慧诺瑞德(北京)科技有限公司

地址:北京市海淀区西三旗街道建材城东路10号院
          京城尚德智造产业园E区112B

电话:010-62925490829288548292886482928874
传真:010-62925490-802
Email:
info@phenotrait.com

邮编:100096

在线留言

关注我们

这是描述信息

植物表型圈

这是描述信息

植物表型资讯

慧诺瑞德(北京)科技有限公司版权所有      京ICP备15043840号    网站建设:中企动力   北二分     法律声明