用于循环神经网络的虚拟时间样本：在农业语义分割中的应用
计算机视觉与模式识别
2021-09-07 v2 机器人学
摘要
本文探讨了在农业机器人背景下，无需时间标注数据而进行时间语义分割的潜力。为此，我们提出从带标注的静态图像生成虚拟时间样本。通过利用相对静态的场景并假设机器人（相机）在运动，我们能够在无需额外标注工作的情况下生成虚拟标注的时间序列。通常，训练循环神经网络（RNN）需要来自视频（时间）序列的标注样本，这十分费力，并阻碍了该方向的研究。通过生成虚拟时间样本，我们证明可以训练一个轻量级 RNN 在两个具有挑战性的农业数据集上执行语义分割。我们的结果表明，通过使用虚拟样本训练时间语义分割器，我们在甜椒和甜菜数据集上的性能分别绝对提升了 和 。这表明我们的虚拟数据增强技术能够在不使用复杂的合成数据生成技术、也不承担标注大量时间序列开销的情况下，对农业图像进行准确的时间分类。
引用
@article{arxiv.2106.10118,
title = {Virtual Temporal Samples for Recurrent Neural Networks: applied to semantic segmentation in agriculture},
author = {Alireza Ahmadi and Michael Halstead and Chris McCool},
journal= {arXiv preprint arXiv:2106.10118},
year = {2021}
}