基于图像自动估计收获鱼类体重
计算机视觉与模式识别
2019-09-09 v1 图像与视频处理
摘要
在澳大利亚昆士兰州的三个不同地点，收集了约 2,500 个收获的尖吻鲈（亚洲海鲈或澳洲肺鱼）的体重及对应图像。训练了两个 LinkNet-34 分割卷积神经网络实例。第一个在 200 张手动分割的去除鳍和尾的鱼体掩膜上训练，第二个在 100 张整鱼掩膜上训练。将这两个 CNN 应用于其余图像，得到自动分割的掩膜。基于前两个地点的 1,072 个面积-体重对，拟合了单因子和双因子的简单数学面积-体重模型，其中面积值从自动分割的掩膜中提取。应用于 1,400 张测试图像（来自第三个地点）时，单因子整鱼掩膜模型取得了最佳的平均绝对百分比误差，MAPE=4.36%。还训练了直接从图像回归体重的 CNN，其中基于无鳍掩膜的 CNN 在测试图像上表现最佳，MAPE=4.28%。
引用
@article{arxiv.1909.02710,
title = {Automatic Weight Estimation of Harvested Fish from Images},
author = {Dmitry A. Konovalov and Alzayat Saleh and Dina B. Efremova and Jose A. Domingos and Dean R. Jerry},
journal= {arXiv preprint arXiv:1909.02710},
year = {2019}
}
备注
Accepted for IEEE Digital Image Computing: Techniques and Applications, 2019 (DICTA 2019), 2-4 December 2019 in Perth, Australia, http://dicta2019.dictaconference.org/index.html