基于掩码区域卷积神经网络的高空影像椰子树检测与分割
图像与视频处理
2021-05-11 v1 计算机视觉与模式识别
机器学习
摘要
在地震、气旋和海啸等灾害的极端情况下，粮食资源面临严重破坏。在此类场景中，快速评估农业用地上的粮食资源至关重要，因为这支撑着灾区的援助活动。本文提出了一种深度学习方法，用于检测和分割通过世界银行与 OpenAerialMap 和 WeRobotics 合作组织的 AI 竞赛提供的高空影像中的椰子树。采用掩码区域卷积神经网络（Mask Region-based Convolutional Neural Network）方法进行椰子树的识别与分割。对于分割任务，使用了基于 ResNet50 和 ResNet1010 架构的 Mask R-CNN 模型。进行了具有不同配置参数的若干实验，并报告了以超过 90% 置信因子检测椰子树的最佳配置。为评估目的，使用了 Microsoft COCO 数据集评估指标即平均精度均值（mAP）。椰子树检测的总体平均精度均值达到了 91%。
引用
@article{arxiv.2105.04356,
title = {Coconut trees detection and segmentation in aerial imagery using mask region-based convolution neural network},
author = {Muhammad Shakaib Iqbal and Hazrat Ali and Son N. Tran and Talha Iqbal},
journal= {arXiv preprint arXiv:2105.04356},
year = {2021}
}
备注
Published in IET Computer Vision, 09 April 2021