基于深度神经网络的蚊子图像解剖结构提取框架
计算机视觉与模式识别
2020-07-30 v2
摘要
我们设计了一个基于掩码区域卷积神经网络（Mask R-CNN）的框架，用于自动检测并从图像中分别提取蚊子的解剖组分——胸部、翅膀、腹部和腿。我们的训练数据集包含 1500 张在佛罗里达捕获的九种蚊子的智能手机图像。在所提技术中，第一步是检测蚊子图像内的解剖组分。然后，我们定位并分类提取的解剖组分，同时在神经网络架构中增加一条分支以分割仅包含解剖组分的像素。评估结果良好。为评估泛化性，我们将仅用蚊子图像训练的架构在熊蜂图像上测试。我们再次得到良好的结果，尤其在提取翅膀方面。本文中的技术具有在公共卫生、分类学及公民科学工作中的实际应用。
引用
@article{arxiv.2007.11052,
title = {A Framework based on Deep Neural Networks to Extract Anatomy of Mosquitoes from Images},
author = {Mona Minakshi and Pratool Bharti and Tanvir Bhuiyan and Sherzod Kariev and Sriram Chellappan},
journal= {arXiv preprint arXiv:2007.11052},
year = {2020}
}