基于GrabCut与生成对抗串行自编码器的辣椒病害诊断 via 图像重建
计算机视觉与模式识别
2023-06-22 v1 图像与视频处理
摘要
随着智能农场的最近发展，研究人员对此类领域非常感兴趣。特别是，病害诊断领域是最重要的因素。病害诊断属于异常检测领域，旨在区分植物或果实是否正常或异常。该问题可通过基于CNN的二分类或多分类解决，也可通过图像重建解决。然而，由于图像生成性能的局限，SOTA方法提出了一种使用潜向量误差的分数计算方法。在本文中，我们提出了一种专注于辣椒并通过Grabcut进行背景去除的网络。它通过基于图像的分数计算方法展现出高性能。由于重建输入图像的困难，输入与输出图像之间的差异较大。然而，本文提出的串行自编码器使用除实际输入外的两幅伪图像之间的差异作为分数。我们提出了一种利用GAN结构生成有意义图像并通过一个判别器同时分类三种结果的方法。所提方法展现出比以往研究更高的性能，且基于图像的分数表现出最佳性能。
引用
@article{arxiv.2306.12057,
title = {Chili Pepper Disease Diagnosis via Image Reconstruction Using GrabCut and Generative Adversarial Serial Autoencoder},
author = {Jongwook Si and Sungyoung Kim},
journal= {arXiv preprint arXiv:2306.12057},
year = {2023}
}
备注
12 pages, 7 figures