图像增强:农业领域应用案例


发布时间:

2021-04-04

来源:

本站

作者:

PhenoTrait

大数据集的可用性促进了深度学习的迅速发展,尤其是计算机视觉。但是在许多领域,缺乏足够的训练数据,这可能成为计算机视觉技术实际应用的障碍。本文以植物表型领域为例,对小而不平衡的数据集提出了挑战。

 

扩充系统架构

 

MultiPartAugmentor生成的场景

 

本文引入了一个图像增强框架,该框架能够极大地扩大训练样本数量,同时为诸如目标检测、语义分割、实例分割、目标计数、图像去噪和分类等任务提供数据。结果证明了,当只有少量的训练样本可用时,该方法可以提高模型性能。该实验使用DeepLabV3模型对拟南芥和烟草图像数据集进行语义分割。与基本的图像增强技术相比,该模型性能相对提高了9%。

 

图像数据流方案

 

来源:

Nesteruk S, Shadrin D, Pukalchik M, et al. Image Augmentation for Multitask Few-Shot Learning: Agricultural Domain Use-Case. arXiv:2102.12295.

 

点击图片,了解详情

推荐新闻

石时之约|韩志国:透过表型数据,看见植物的喜怒哀乐!

本期石时之约,我们将对话慧诺瑞德(北京)科技有限公司总经理、国际植物表型学会(IPPN)执委会委员/工业分会副主席韩志国,一起从表型数据的科学角度,去读懂农作物的喜怒哀乐和前世今生。

慧科研、慧育种、慧种田——慧聚改变的力量

让我们“慧聚”在一起,为“慧科研、慧育种、慧种田”赋能。

高通量植物表型平台建设注意事项

育种,是在给定的环境条件下,选择各种表型指标(产量、品质、抗性)最优的基因型材料的过程(AI育种,从这里起步)。育种工作中大约70%的工作量来自表型观察测量和筛选,是最耗人力物力的过程。

作物生理表型测量基础原理

生理表型测量的核心在于“早、快”,要在肉眼可见之前就能测量并预判出变化趋势,才是这个技术的核心价值。叶绿素荧光成像,恰好满足了这个要求。