草坪测量中的图像处理失败与深度学习成功
计算机视觉与模式识别
2020-04-23 v1
摘要
草坪面积测量是图像处理与深度学习的一项应用。研究者已使用分层网络、图像分割和许多其他方法来测量草坪面积。方法的有效性与准确性各异。在本项目中，比较了图像处理与深度学习方法以寻找测量草坪面积的最佳方式。将三种使用 OpenCV 的图像处理方法与卷积神经网络（最著名且有效的深度学习方法之一）进行比较。我们使用 Keras 和 TensorFlow 来估计草坪面积。卷积神经网络或简称 CNN 在此目的上显示出非常高的准确率 (94-97%)。在图像处理方法中，阈值化（准确率 80-87%）和边缘检测是测量草坪面积的有效方法，但轮廓法（准确率 26-31%）未能成功计算草坪面积。我们可得出结论，与其他图像处理及深度学习技术相比，深度学习方法尤其是 CNN 可能是最佳的探测方法。
引用
@article{arxiv.2004.10382,
title = {Image Processing Failure and Deep Learning Success in Lawn Measurement},
author = {J. Wilkins and M. V. Nguyen and B. Rahmani},
journal= {arXiv preprint arXiv:2004.10382},
year = {2020}
}