基于有限且含噪数据的弱监督与半监督鲜食葡萄检测、分割与追踪
计算机视觉与模式识别
2023-01-30 v2
摘要
果蔬的检测、分割与追踪是精准农业的三大基础任务，可支撑机器人采收与产量估算应用。然而，现代算法对数据需求量大，而收集足够数据以应用性能最佳的监督方法并非总是可行。由于数据收集昂贵且繁琐，计算机视觉用于农业的使能技术往往超出小型企业的可及范围。继此前我们提出一种初步弱监督方案以减少精准农业应用中获取最优检测与分割所需数据的工作，本文改进该系统并探索果园中果实追踪问题。我们以意大利南部拉齐奥大区的鲜食葡萄园为例，因葡萄由于遮挡、颜色及整体光照条件而难以分割。我们考虑存在部分初始标注数据可作为源数据（如酿酒葡萄数据），但其与目标数据（如鲜食葡萄数据）差异显著的情况。为提升目标数据上的检测与分割，我们提出以弱边界框标签训练分割算法，而追踪则利用三维运动恢复结构（Structure from Motion）算法从已标注样本生成新标签。最后，两系统结合为一种完整的半监督方法。与最先进监督方案的对比表明，我们的方法能用极少标注图像及极简标注训练出高性能新模型。
引用
@article{arxiv.2208.13001,
title = {Weakly and Semi-Supervised Detection, Segmentation and Tracking of Table Grapes with Limited and Noisy Data},
author = {Thomas A. Ciarfuglia and Ionut M. Motoi and Leonardo Saraceni and Mulham Fawakherji and Alberto Sanfeliu and Daniele Nardi},
journal= {arXiv preprint arXiv:2208.13001},
year = {2023}
}