DeepCS-TRD：基于深度学习的�截面树皮层检测器
计算机视觉与模式识别
2025-07-08 v2
摘要
本文提出Deep CS-TRD，一种用于检测整幅�截面树皮层的新型自动算法。它取代了CS-TRD中基于深度学习的方法(U-Net)，允许将该方法应用于不同的图像域：显微镜、扫描或智能手机获取的图像，以及不同物种(Pinus taeda、Gleditsia triachantos和Salix glauca)。此外，我们引入了两个公开可用的注释图像数据集供社区使用。所提出的方法在宏观图像上(Pinus taeda和Gleditsia triacanthos)优于现有方法，尽管在Salix glauca的显微镜图像上表现略低。就目前已知的第一篇研究自动检测不同物种和获取条件下的树皮层而言，本文具有重要意义。数据集和源代码均可在https://github.com/hmarichal93/deepcstrd获取。
引用
@article{arxiv.2504.16242,
title = {DeepCS-TRD, a Deep Learning-based Cross-Section Tree Ring Detector},
author = {Henry Marichal and Verónica Casaravilla and Candice Power and Karolain Mello and Joaquín Mazarino and Christine Lucas and Ludmila Profumo and Diego Passarella and Gregory Randall},
journal= {arXiv preprint arXiv:2504.16242},
year = {2025}
}
备注
12 pages, 6 figures. Accepted in 23rd International Conference on Image Analysis and Processing (ICIAP 2025), 15-19 September 2025. Rome, Italy