结合监督与无监督学习实现柑橘自动分割
计算机视觉与模式识别
2021-05-05 v1
摘要
柑橘分割是自动采摘的关键步骤。尽管当前多数图像分割方法通过逐像素分割取得了良好效果，但这些基于监督学习的方法需要大量标注数据，且未考虑实际应用中柑橘位置的连续时间变化。本文中，我们首先以监督方式用少量标注柑橘图像训练一个简单的 CNN，其可粗略预测每帧中柑橘的位置。随后，我们扩展一种前沿的无监督学习方法，从未标注柑橘视频中预学习帧间柑橘的潜在运动。为兼顾两个网络的优势，我们采用多模态 transformer 将监督学习得到的静态信息与无监督学习得到的运动信息相结合。实验结果表明，结合两网络使预测精度达到 88.3% IOU 与 93.6% 精度，分别优于原始监督基线 1.2% 与 2.4%。与多数现有柑橘分割方法相比，我们的方法使用少量监督数据与大量无监督数据，同时学习像素级位置信息与柑橘变化的时间信息以增强分割效果。
引用
@article{arxiv.2105.01553,
title = {Combining Supervised and Un-supervised Learning for Automatic Citrus Segmentation},
author = {Heqing Huang and Tongbin Huang and Zhen Li and Zhiwei Wei and Shilei Lv},
journal= {arXiv preprint arXiv:2105.01553},
year = {2021}
}
备注
7 pages,4 figures,Prepare for submission