用于植物健康分类的3D关键点检测器与描述子性能评估
计算机视觉与模式识别
2019-04-19 v1
摘要
基于成像技术的植物表型组学可用于监测植物与作物的健康状况及病害。将3D数据用于植物表型组学是近期现象。然而，由于3D点云比植物图像包含更多信息，本文中我们比较了不同关键点检测器与局部特征描述子组合基于植物3D点云进行植物生长阶段及其生长状况分类的性能。我们还实现了一种改进形式的3D SIFT描述子，其对旋转具有不变性，且计算量比现有文献中报道的大多数3D SIFT描述子更小。性能以分类精度评估，结果以精度表格呈现。我们发现ISS-SHOT和SIFT-SIFT组合表现持续更优，且Fisher Vector（FV）比Vector of Linearly Aggregated（VLAD）更适合作为此类应用的编码器。它可作为一种更好的模态。
引用
@article{arxiv.1904.08493,
title = {Performance Evalution of 3D Keypoint Detectors and Descriptors for Plants Health Classification},
author = {Shiva Azimi and Brejesh lall and Tapan K. Gandhi},
journal= {arXiv preprint arXiv:1904.08493},
year = {2019}
}