列奥纳多得到辩护：用于自然分枝结构最小重建的毕达哥拉斯树

树木以其自然之美和作为在多个独立标准下最优的工程杰作而持续令人着迷。毕达哥拉斯树是一种著名的分形设计，能逼真地模拟自然树木的分枝结构。我们研究了具有不同基部形状、分枝角度和松弛尺度的多种类毕达哥拉斯分形树，试图识别并解释哪些变体与自然界中常见的分枝结构最为匹配。同时追求分形树模型的逼真性和极简性，我们开发了一种参数化灵活且快速的算法，用于生长和视觉检查深度受毕达哥拉斯启发的分形树，该算法能够有序地高估或低估列奥纳多·达·芬奇的树木分枝规则，并控制各种不平衡性和分枝角度。我们通过迁移训练的深度卷积神经网络 (CNN) 检测自然树的分类准确率，来测试生成的分形树图像的真实性。在经验性地确定了使 CNN 自然树类别分类准确率最大化的分形树参数后，我们将其转换回分枝的尺度和角度，并得出了有趣的结论，这些结论支持达·芬奇分枝规则和基于黄金比例的尺度缩放，适用于分枝形状和子分枝间的不平衡性，并声称参数化灵活的分形树可用于生成人工样本，以训练对不同树种具有鲁棒性的检测器。