用于灌木横截面显微图像中树木年轮实例分割的迭代下一边界检测
计算机视觉与模式识别
2023-03-15 v2
摘要
我们解决灌木横截面显微图像中树木年轮检测的问题。这可视为实例分割任务的一个特例，具有若干独特挑战，如目标为同心圆环形状以及高精度要求，导致现有方法表现不足。我们提出一种称为迭代下一边界检测（INBD）的新迭代方法。它直观地建模自然生长方向，从灌木横截面中心出发，在每次迭代步骤中检测下一个年轮边界。在我们的实验中，INBD 展现出优于通用实例分割方法的性能，并且是唯一内建时间顺序概念的方法。我们的数据集与源代码可在 http://github.com/alexander-g/INBD 获取。
引用
@article{arxiv.2212.03022,
title = {Iterative Next Boundary Detection for Instance Segmentation of Tree Rings in Microscopy Images of Shrub Cross Sections},
author = {Alexander Gillert and Giulia Resente and Alba Anadon-Rosell and Martin Wilmking and Uwe Freiherr von Lukas},
journal= {arXiv preprint arXiv:2212.03022},
year = {2023}
}
备注
CVPR 2023