应用amodal细分用于形状重建和闭塞恢复在闭塞的西红

科学领域:

• 计算机视觉 计算机视觉
• 农业技术 农业技术
• 机器学习 机器学习

背景情况:

• 正确的水果形状估计受阻于常见的对象检测和图像细分中的阻塞.
• 由于自然的阴影条件,监测阴影作物,收获和害虫检测面临着挑战.

研究的目的:

• 开发基于变压器的amodal细分算法,以推断封闭的西红的完整形状.
• 通过使用易于获得的模态数据集进行培训,解决模态注释的高成本.

主要方法:

• 提出了一种基于变压器的模态细分算法,用于封闭的西红.
• 集成边界估计到一个沙钟结构的网络,以完成形状.
• 使用具有GAN损失的生成对抗网络 (GAN) 来重建封闭的对象.

主要成果:

• 实现了高精度,平均对准精度为96.07%和平均交叉超过联盟 (mIoU) 为94.13%.
• 对于封闭的部位,显示了57.79%的显著隐形微小.
• 该模型生成的伪amodal注释显示了Mask R-CNN (AP 63.91%,AP50 86.91%) 的强性能.

结论:

• 拟议的方法准确地推断出封闭的番茄形状,从而降低了手动注释成本.
• 该算法有效地处理封闭边界信息,并解封闭的对象.
• 未来的工作旨在减少对遮顺序和模态面具质量的依赖,以便在生态监测中得到更广泛的应用.