研究目的
通过卷积神经网络(CNN)将每个像素分类为植物中心或非植物中心,从而从无人机图像中定位植物的中心。
研究成果
该方法在植物间重叠较少的样本集上效果良好,但在高重叠的样本集上会产生更多误报。未来的工作将包括对单叶进行分割以确定植物的中心位置。
研究不足
该方法在植物间重叠度较高的数据集上效果较差。人工标注真值时可能因遮挡而遗漏部分真实植物中心,从而导致标签偏差。
研究目的
通过卷积神经网络(CNN)将每个像素分类为植物中心或非植物中心,从而从无人机图像中定位植物的中心。
研究成果
该方法在植物间重叠较少的样本集上效果良好,但在高重叠的样本集上会产生更多误报。未来的工作将包括对单叶进行分割以确定植物的中心位置。
研究不足
该方法在植物间重叠度较高的数据集上效果较差。人工标注真值时可能因遮挡而遗漏部分真实植物中心,从而导致标签偏差。
加载中....
您正在对论文“[2018年IEEE图像分析与解释西南研讨会(SSIAI) - 美国内华达州拉斯维加斯(2018.4.8-2018.4.10)] 2018年IEEE图像分析与解释西南研讨会(SSIAI) - 基于深度二值分类器的植物中心点估计”进行纠错
纠错内容
联系方式(选填)
称呼
电话
单位名称
用途
期望交货周期
称呼
电话
单位名称
用途
期望交货周期