Đếm trái cây bằng học sâu yếu giám sát để ước lượng năng suất dựa trên tính nhất quán không gian

( 0 đánh giá )
Miễn phí

Mô hình WS-COUNT gồm 3 tầng xử lý ảnh: toàn ảnh, chia 4 phần, chia 16 phần. Mỗi phần được xử lý bởi mạng ResNet101 + lớp hồi quy để đếm số trái.

  • Tính nhất quán không gian được đảm bảo bằng việc tổng số trái ở các tầng phải tương đương nhau.
  • - Bộ phân loại PAC học cách phân biệt ảnh có trái cây hay không, và được dùng để điều chỉnh đầu ra của WS-COUNT.
  • - WS-COUNT không cần nhãn số lượng trái cây, chỉ cần nhãn nhị phân (có/không có trái).
  • - So sánh với 6 phương pháp khác: RCNNCount (Faster R-CNN), DeepCount, PRM, S-COUNT, MBS-COUNT, MB-PAC-Only.
  • - WS-COUNT đạt RMSE trung bình gần bằng RCNNCount và S-COUNT, vượt DeepCount và PRM.
  • - WS-COUNT hoạt động tốt nhất khi số trái trong ảnh dưới 6, nhưng vẫn giữ độ chính xác cao khi số trái lớn.
  • - Thử nghiệm trên ảnh toàn cây ô-liu cho thấy WS-COUNT đếm gần đúng với số trái thực tế.
  • - Mô hình được huấn luyện bằng Pytorch, sử dụng ResNet101 tiền huấn luyện trên ImageNet.
  • - Tác giả công bố mã nguồn và dữ liệu tại https://isar.unipg.it/