高粱穗的计数与分割
计算机视觉与模式识别
2019-06-03 v1 机器学习
摘要
表型分析是测量生物体可观测性状的过程。作物的手动表型分析是一项劳动密集、耗时、昂贵且易出错的工作。准确、自动化、高通量的表型分析可极大缓解作物育种流程中的负担。本文提出一种可扩展、高通量的方法，从高空高粱作物影像中自动计数并分割穗（头部）这一关键性状。我们的计数方法利用由点标注或区域标注获得的图像密度图作为目标，结合一种新颖的深度卷积神经网络架构。我们还提出一种利用估计密度图的新型实例分割算法，以在存在遮挡的情况下识别单个穗。在真实高粱航拍图像上，我们的计数平均绝对误差（MAE）为1.06，优于使用知名的人群计数方法如CCNN、MCNN和CSRNet模型。实例分割模型也产生了可观的结果，最终将有助于减少未来数据的手动标注工作量。
引用
@article{arxiv.1905.13291,
title = {Counting and Segmenting Sorghum Heads},
author = {Min-hwan Oh and Peder Olsen and Karthikeyan Natesan Ramamurthy},
journal= {arXiv preprint arXiv:1905.13291},
year = {2019}
}
备注
23 pages, 23 figures, 5 tables