基于感兴趣区域感知深度卷积神经网络的苹果叶部病害识别
计算机视觉与模式识别
2021-02-09 v2
摘要
本文提出一种通过感兴趣区域感知深度卷积神经网络识别苹果叶部病害的新方法。其核心思想是：叶部病害症状出现在叶片区域，而背景区域不含有关叶部病害的有用信息。为实现该思想，首先设计两个子网络。其一用于将输入图像划分为背景、叶片区域以及指示叶部病害的斑点区域（即感兴趣区域），其二用于叶部病害的分类。这两个子网络分别呈现编码器-解码器网络与 VGG 网络的架构类型；随后，依据叶部病害类型以及将背景、叶片区域和斑点区域分离的地面真值图像所构成的新训练集，通过迁移学习分别对二者进行训练。接下来，为连接这些子网络并随后以端到端方式训练所连接的整个网络，将预测的 ROI 特征图通过融合层堆叠在输入图像顶部，再送入用于叶部病害识别的子网络。实验结果表明，使用预测的 ROI 特征图可提高正确识别准确率。同时表明，所提方法优于传统的 SOTA 方法：基于迁移学习的方法、双线性模型以及基于多尺度的深度特征提取与池化方法。
引用
@article{arxiv.1903.10356,
title = {Apple Leaf Disease Identification through Region-of-Interest-Aware Deep Convolutional Neural Network},
author = {Hee-Jin Yu and Chang-Hwan Son},
journal= {arXiv preprint arXiv:1903.10356},
year = {2021}
}