基于三维点云深度学习方法对玫瑰灌木植物结构部件的分割
计算机视觉与模式识别
2022-02-24 v2
摘要
对植物三维模型结构部件的分割是植物表型分析的重要步骤，尤其用于监测架构与形态性状。当前最先进的方法依赖手工设计的 3D 局部特征来建模植物结构中的几何变化。尽管点云上深度学习的最新进展有潜力提取相关的局部与全局特征，但带标注的 3D 植物数据的稀缺阻碍了这一潜力的探索。我们调整了六种近期基于点的深度学习架构（PointNet、PointNet++、DGCNN、PointCNN、ShellNet、RIConv）用于玫瑰灌木模型结构部件的分割。我们生成了 3D 合成玫瑰灌木模型，为这些架构的改进与预训练提供足量标注数据。为评估其在真实玫瑰灌木上的性能，我们使用了完全标注点云模型的 ROSE-X 数据集。我们开展了含与不含合成数据的实验，以证明即便在真实植物标注数据有限的情况下，基于点的深度学习技术仍具潜力。实验结果表明，PointNet++ 在六种基于点的深度学习方法中取得了最高的分割精度。PointNet++ 的优势在于其对点云数据层次化组织的尺度提供了灵活性。使用合成 3D 模型进行预训练提升了除 PointNet 外所有架构的性能。
引用
@article{arxiv.2012.11489,
title = {Segmentation of structural parts of rosebush plants with 3D point-based deep learning methods},
author = {Kaya Turgut and Helin Dutagaci and Gilles Galopin and David Rousseau},
journal= {arXiv preprint arXiv:2012.11489},
year = {2022}
}