在合成森林图像上训练深度学习算法用于树木检测
计算机视觉与模式识别
2022-10-11 v1 人工智能
摘要
森林环境中的基于视觉的分割是自主林业作业（如伐木与集材）的关键功能。深度学习算法在目标检测等视觉任务上展现出 promising 结果。然而，这些算法的监督学习过程需要来自大量多样图像的标注。本工作中，我们提出使用模拟森林环境自动生成 43k 张带像素级标注的逼真合成图像，并用其训练深度学习算法进行树木检测。这使我们得以解决以下问题：i) 在恶劣合成森林环境中深度学习应预期何种性能，ii) 哪些标注对训练最为重要，以及 iii) 应在 RGB 与深度之间使用何种模态。我们还报告了在合成数据集上学习到的特征的直接迁移学习能力，即直接在真实图像上预测边界框、分割掩码与关键点。代码见 GitHub（https://github.com/norlab-ulaval/PercepTreeV1）。
引用
@article{arxiv.2210.04104,
title = {Training Deep Learning Algorithms on Synthetic Forest Images for Tree Detection},
author = {Vincent Grondin and François Pomerleau and Philippe Giguère},
journal= {arXiv preprint arXiv:2210.04104},
year = {2022}
}
备注
Work presented at ICRA 2022 Workshop in Innovation in Forestry Robotics: Research and Industry Adoption