利用元数据在农业中进行光度表型的迁移学习
计算机视觉与模式识别
2020-04-02 v1
摘要
在田间条件下估计植物光度表型（如色调、光泽、色度）对于预期产量品质、果实成熟度以及是否需要进一步育种的决策十分重要。由于光照条件、阴影和传感器特性的巨大差异，从图像中估计这些表型十分困难。我们将图像与关于采集条件的元数据嵌入到网络中，从而实现更精确的估计以及在不同条件间的迁移。与最先进的深度 CNN 和人类专家相比，元数据嵌入改善了番茄色调与色度的估计。
引用
@article{arxiv.2004.00303,
title = {Transfer Learning of Photometric Phenotypes in Agriculture Using Metadata},
author = {Dan Halbersberg and Aharon Bar Hillel and Shon Mendelson and Daniel Koster and Lena Karol and Boaz Lerner},
journal= {arXiv preprint arXiv:2004.00303},
year = {2020}
}
备注
Paper presented at the ICLR 2020 Workshop on Computer Vision for Agriculture (CV4A)