AutoCount：野外图像中器官的无监督分割与计数
计算机视觉与模式识别
2020-07-21 v1
摘要
从户外图像中计数诸如穗或雄穗等植物器官是植物表型分析中一个广受关注的基准计算机视觉任务，此前文献中已使用最先进的监督式深度学习技术对此进行了研究。然而，野外图像中器官的标注耗时且容易出错。本文提出一种用于计数密集物体（如植物器官）的全无监督技术。我们采用基于卷积网络的无监督分割方法，随后进行两步事后优化。所提出的技术在高粱（S. bicolor）和小麦（T. aestivum）的一系列器官计数任务上展现出具有竞争力的计数性能，且无需依赖数据集的调优或修改。
引用
@article{arxiv.2007.09178,
title = {AutoCount: Unsupervised Segmentation and Counting of Organs in Field Images},
author = {Jordan Ubbens and Tewodros Ayalew and Steve Shirtliffe and Anique Josuttes and Curtis Pozniak and Ian Stavness},
journal= {arXiv preprint arXiv:2007.09178},
year = {2020}
}
备注
Computer Vision Problems in Plant Phenotyping (CVPPP) in conjunction with ECCV 2020