分层 Mask2Former：作物、杂草与叶片的全景分割
计算机视觉与模式识别
2023-10-11 v1
摘要
能够从图像中做出详细推断的机器视觉进展有潜力变革包括农业在内的许多领域。精准农业通过数据分析实现精准定向干预，具有多种可能的应用。例如，精准喷洒可将除草剂仅施于杂草，或将肥料仅施于营养不良的作物，而非喷洒整片田地。该方法有望在最大化产量的同时，最小化资源消耗及对周边环境的危害。为此，我们提出一种分层全景分割方法，以同时识别植物生长指标并定位图像中的杂草。我们调整了用于全景分割的先进架构 Mask2Former，以预测作物、杂草和叶片掩码。我们取得了 75.99 的 PQ{\dag}。此外，我们探索了使架构更紧凑的方法，从而更适用于时间和计算受限的应用。使用我们更紧凑的架构，推理速度最高提升 60%，且 PQ{\dag} 降低小于 1%。
引用
@article{arxiv.2310.06582,
title = {Hierarchical Mask2Former: Panoptic Segmentation of Crops, Weeds and Leaves},
author = {Madeleine Darbyshire and Elizabeth Sklar and Simon Parsons},
journal= {arXiv preprint arXiv:2310.06582},
year = {2023}
}
备注
6 pages, 5 figures, 2 tables, for code, see https://github.com/madeleinedarbyshire/HierarchicalMask2Former