LASSR：一种用于植物病害诊断的有效超分辨率方法
计算机视觉与模式识别
2020-10-14 v1 图像与视频处理
摘要
高分辨率训练数据的收集对构建鲁棒的植物病害诊断系统至关重要，因为此类数据对诊断性能有显著影响。然而，它们极难获取，且实践中并非总可获得。基于深度学习的技术，尤其是生成对抗网络（GANs），可用于生成高质量超分辨率图像，但这些方法常产生意料之外的伪影，从而降低诊断性能。本文中，我们提出一种专为叶片病害诊断设计的新型伪影抑制超分辨率方法，称为叶片伪影抑制超分辨率（Leaf Artifact-Suppression Super Resolution, LASSR）。得益于其自身可在相当程度上检测并抑制伪影的伪影去除模块，与最先进的 ESRGAN 模型相比，LASSR 能生成观感更佳、更高质量的图像。基于一个五类（含健康）黄瓜病害判别模型的实验表明，使用 LASSR 生成的数据进行训练，在未见测试数据集上相比基线显著提升近 22% 的性能，且我们的方法优于用 ESRGAN 生成图像训练的模型逾 2%。
引用
@article{arxiv.2010.06499,
title = {LASSR: Effective Super-Resolution Method for Plant Disease Diagnosis},
author = {Quan Huu Cap and Hiroki Tani and Hiroyuki Uga and Satoshi Kagiwada and Hitoshi Iyatomi},
journal= {arXiv preprint arXiv:2010.06499},
year = {2020}
}