HOB-CNN：基于卷积神经网络对2D果树被遮挡枝干的幻觉补全
计算机视觉与模式识别
2022-08-02 v1 图像与视频处理
摘要
由于全球劳动力短缺，果园自动化近来引起了研究人员的关注。为了在果园中自动化完成修剪、疏果和采收等任务，需要详细理解树木结构。然而，叶片和果实造成的遮挡使得预测被遮挡主干与枝干的位置具有挑战性。本工作提出了一种基于回归的深度学习模型——被遮挡枝干幻觉卷积神经网络(HOB-CNN)，用于在不同遮挡条件下预测树枝位置。我们将树枝位置预测表述为沿垂直方向(或反之)朝向枝干水平位置的回归问题。我们在Y形树上与两种代表该问题常用方法的最先进基线进行了对比实验。实验表明，HOB-CNN在预测枝干位置方面优于基线，并对不同遮挡程度表现出鲁棒性。我们进一步在两种不同类型的2D树上验证了HOB-CNN，其展现出跨不同树木的泛化能力及在不同遮挡条件下的鲁棒性。
引用
@article{arxiv.2208.00002,
title = {HOB-CNN: Hallucination of Occluded Branches with a Convolutional Neural Network for 2D Fruit Trees},
author = {Zijue Chen and Keenan Granland and Rhys Newbury and Chao Chen},
journal= {arXiv preprint arXiv:2208.00002},
year = {2022}
}