寻找莓果：利用点监督与形状先验的蔓越莓分割与计数
计算机视觉与模式识别
2020-04-27 v2
摘要
精准农业通过为决策者提供关键信息，已成为提高作物产量的关键因素。本文中，我们提出一种深度学习方法，用于同时进行蔓越莓的分割与计数，以辅助产量估算和日照预测。值得注意的是，监督仅使用低成本的圆心点标注。该方法名为 Triple-S 网络，结合了一个包含形状先验的三部分损失函数，以促进对农业场景中典型已知形状物体的更好拟合。与现有最优方法相比，我们的结果将整体分割性能提升了 6.74% 以上，计数结果提升了 22.91%。为训练和评估该网络，我们收集了 CRanberry Aerial Imagery Dataset (CRAID)，这是来自蔓越莓田的最大规模无人机航拍图像数据集。该数据集将公开发布。
引用
@article{arxiv.2004.08501,
title = {Finding Berries: Segmentation and Counting of Cranberries using Point Supervision and Shape Priors},
author = {Peri Akiva and Kristin Dana and Peter Oudemans and Michael Mars},
journal= {arXiv preprint arXiv:2004.08501},
year = {2020}
}
备注
to be published in proceeding of CVPR 2020 in the Agriculture Vision Workshop