增强以分割：应对小麦病虫害分割中的像素级不平衡
计算机视觉与模式识别
2025-09-15 v1
摘要
准确分割小麦叶部病害与虫害对于有效的作物管理和病害控制至关重要。然而，虫害通常仅占据极小比例的标注像素。这种极端的像素级不平衡对分割性能构成了重大挑战，可能导致模型对常见类别过拟合而对罕见类别学习不足，从而损害整体性能。在本文中，我们提出了一种随机投影复制粘贴（RPCP）增强技术来解决像素不平衡问题。具体而言，我们从标注的训练图像中提取罕见的虫害图块，并应用随机几何变换来模拟变化。然后将变换后的图块粘贴到合适的区域，同时避免与病斑或现有受损区域重叠。此外，我们对粘贴区域应用随机投影滤波器，以细化局部特征并确保与新背景的自然融合。实验表明，我们的方法显著提高了虫害类别的分割性能，同时保持甚至略微提升了其他类别的准确率。我们的结果突出了针对性增强在缓解极端像素不平衡方面的有效性，为农业分割问题提供了一种简单而有效的解决方案。
引用
@article{arxiv.2509.09961,
title = {Augment to Segment: Tackling Pixel-Level Imbalance in Wheat Disease and Pest Segmentation},
author = {Tianqi Wei and Xin Yu and Zhi Chen and Scott Chapman and Zi Huang},
journal= {arXiv preprint arXiv:2509.09961},
year = {2025}
}