复杂光照条件下的自监督叶片分割
计算机视觉与模式识别
2022-03-31 v1 图像与视频处理
摘要
作为基于图像的植物表型分析的一项基本前置任务，叶片分割近年来受到越来越多的关注。虽然自监督学习正作为各种计算机视觉任务的有效替代方案而出现，但其在基于图像的植物表型分析中的适配仍鲜有探索。在本工作中，我们提出一个自监督叶片分割框架，由自监督语义分割模型、基于颜色的叶片分割算法以及自监督颜色校正模型组成。自监督语义分割模型通过迭代参考自身包含的信息来分组语义相似的像素，使得同一语义对象的像素能被基于颜色的叶片分割算法联合考虑以识别叶片区域。此外，我们提出使用自监督颜色校正模型处理在复杂光照条件下拍摄的图像。在不同植物物种数据集上的实验结果表明，所提出的自监督框架在实现有效且可泛化的叶片分割方面具有潜力。
引用
@article{arxiv.2203.15943,
title = {Self-Supervised Leaf Segmentation under Complex Lighting Conditions},
author = {Xufeng Lin and Chang-Tsun Li and Scott Adams and Abbas Kouzani and Richard Jiang and Ligang He and Yongjian Hu and Michael Vernon and Egan Doeven and Lawrence Webb and Todd Mcclellan and Adam Guskic},
journal= {arXiv preprint arXiv:2203.15943},
year = {2022}
}