基于深度、半监督与集成学习在全球小麦穗检测数据集上检测小麦穗的原创框架
计算机视觉与模式识别
2021-05-04 v1 机器学习
图像与视频处理
摘要
本文提出了一种应用于全球小麦穗检测(GWHD)数据集的原创目标检测方法。我们研究了FasterRCNN和EfficientDet两种主要的目标检测架构，以设计一个新颖且鲁棒的小麦穗检测模型。我们着重优化所提出的最终架构的性能。此外，我们进行了广泛的探索性数据分析，并针对我们的场景调整了最佳数据增强技术。我们使用半监督学习来提升先前的监督式目标检测模型。而且，我们在集成方面投入了大量努力以实现更高的性能。最后，我们使用特定的后处理技术来优化我们的小麦穗检测结果。我们的结果已提交用于解决由七个国家的九个研究机构牵头、在GWHD数据集上发起的一项研究挑战。我们所提出的方法在上述挑战中排名前6%。
引用
@article{arxiv.2009.11977,
title = {An original framework for Wheat Head Detection using Deep, Semi-supervised and Ensemble Learning within Global Wheat Head Detection (GWHD) Dataset},
author = {Fares Fourati and Wided Souidene and Rabah Attia},
journal= {arXiv preprint arXiv:2009.11977},
year = {2021}
}
备注
Canadian Journal of Remote Sensing (2021)