基于深度学习的中心物体分割用于水果及其他近圆形物体
计算机视觉与模式识别
2021-11-02 v2 机器学习
摘要
我们提出 CROP（Central Roundish Object Painter，中心近圆形物体描绘器），其可识别并描绘 RGB 图像中心的物体。CROP 主要作用于各种光照条件下的近圆形水果，但令人惊讶的是，尽管 CROP 仅使用 172 张水果图像进行训练，它也能处理其他有机或无机材料的图像，以及光学和电子显微镜下的图像。该方法涉及基于深度学习的图像分割，其神经网络架构为原始 U-Net 的更深版本。该技术可为我们提供一种在农场中自动收集水果生长统计数据的手段。作为示例，我们描述了自动处理 510 张时间序列照片以收集目标水果大小与位置数据的实验。我们训练好的神经网络 CROP 及上述自动程序已在 GitHub 上提供，并配有用户友好的界面程序。
引用
@article{arxiv.2008.01251,
title = {Central object segmentation by deep learning for fruits and other roundish objects},
author = {Motohisa Fukuda and Takashi Okuno and Shinya Yuki},
journal= {arXiv preprint arXiv:2008.01251},
year = {2021}
}
备注
The version 2 contains a new section about the automatic processing of time series photos. All the programs are available at https://github.com/MotohisaFukuda/CROP