预处理与模型复杂度对基于短波红外高光谱成像的塑料分析之影响
计算机视觉与模式识别
2022-03-23 v1 人工智能
机器学习
图像与视频处理
摘要
塑料废弃物回收的重要性毋庸置疑。在这方面，计算机视觉与深度学习通过对塑料的短波红外高光谱图像进行自动分析提供了解决方案。本文中，我们提供了一项详尽的实证研究，以展示高效模型选择对于利用深度学习解决各类塑料碎片的超光谱图像分割任务的重要性。我们评估了通用模型与专用模型的复杂度水平并推断其性能能力：通用模型往往具有不必要的复杂度。我们引入了专用高光谱架构 PlasticNet 的两种变体，其在性能与计算复杂度上均优于若干知名分割架构。此外，我们阐明了信号预处理在高光谱成像领域内的重要性。为完整我们的贡献，我们引入了最大规模、最具多样性的涵盖四种主要聚合物类型的塑料碎片高光谱数据集。
引用
@article{arxiv.2203.11209,
title = {On the Effect of Pre-Processing and Model Complexity for Plastic Analysis Using Short-Wave-Infrared Hyper-Spectral Imaging},
author = {Klaas Dijkstra and Maya Aghaei and Femke Jaarsma and Martin Dijkstra and Rudy Folkersma and Jan Jager and Jaap van de Loosdrecht},
journal= {arXiv preprint arXiv:2203.11209},
year = {2022}
}