学术中心
高分辨率训练数据收集对于建立稳健的植物病害诊断系统至关重要,因为这些数据对诊断性能有着重要的影响。然而,高分辨率训练数据很难获得,而且在实践中并不总是可用的。基于深度学习的技术,特别是GANs可用于生成高质量的超分辨率图像,但这些方法通常会产生意外伪影,从而降低诊断性能。本文提出了一种专门用于诊断叶病的新型抑制伪影的超分辨率方法,称为LASSR。
叶区域SR方法的比较(4倍向上采样):(a)ESRGAN; (b)拟议的LASSR; (c)原始的HR图像
一片叶子的SR和真实的HR图像
相比最先进的ESRGAN模型,LASSR由于它自己的伪影去除模块,可以最大程度的检测和抑制伪影,生成更令人满意的高质量图像。基于一个五类黄瓜病害(包括健康)判别模型的实验表明,使用LASSR生成的数据进行训练,与基线相比,在不可见测试数据集上的性能显著提高了近22%,比使用ESRGAN生成的图像训练的模型好2%以上。
生成的SR结果与原始HR图像的比较
SR和原始HR图像的线条轮廓
来源:
Cap Q H, Tani H, Uga H, et al. LASSR: Effective Super-Resolution Method for Plant Disease Diagnosis. arXiv:2010.06499.
扫二维码用手机看
推荐新闻

发布时间 : 2022-11-13 07:26:55

发布时间 : 2022-05-20 11:45:57

发布时间 : 2022-05-13 10:56:43
视频展示
专题报道
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中路12号院8号楼2门
电话:010-62925490、82928854、82928864、82928874
传真:010-62925490-802
Email: info@phenotrait.com
邮编:100096
在线留言
关注我们

植物表型圈

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