利用多网络集成与多尺度机制推进牡蛎表型分割
计算机视觉与模式识别
2025-01-22 v1
摘要
表型分割在分析生物体的视觉特征、增强对其特性的理解方面至关重要。在牡蛎的背景下，肉质评估至关重要，重点关注壳、肉、性腺和肌肉成分。传统的人工检测方法耗时且主观，促使采用机器视觉技术进行高效客观的评估。我们探索了机器视觉在分割牡蛎组件方面的能力，从而开发了一种具有全局-局部层次注意力机制的多网络集成方法。该方法整合了来自不同模型的预测，并解决了不同尺度带来的挑战，确保了跨组件的鲁棒实例分割。最后，我们使用不同的真实世界数据集对所提出方法的性能进行了全面评估，突出了其在增强牡蛎表型分割方面的有效性和鲁棒性。
引用
@article{arxiv.2501.11203,
title = {Advancing Oyster Phenotype Segmentation with Multi-Network Ensemble and Multi-Scale mechanism},
author = {Wenli Yang and Yanyu Chen and Andrew Trotter and Byeong Kang},
journal= {arXiv preprint arXiv:2501.11203},
year = {2025}
}