数据资源: 中文期刊论文

基于深度学习的叶片图像分割算法



编号 zgly0001658142

文献类型 期刊论文

文献题名 基于深度学习的叶片图像分割算法

作者 王琢  汪雅婷  宋文龙  莫冲 

作者单位 东北林业大学机电工程学院 

母体文献 森林工程 

年卷期 2019年01期

年份 2019 

分类号 TP391.41  TP181 

关键词 全卷积神经网络  图像分割  数据增强  植物叶片 

文摘内容 为了保证植物叶片图像采集质量,提高植物表型叶片图像分割精度,建立一种基于深度学习的叶片图像分割方法。以Caffe深度学习框架为基础,构建全卷积神经网络(FCN),采用有监督的学习方法,通过对数据集标注、数据集标签制作,实现叶片图像的分割。该方法充分发挥了FCN不限制输入图像的大小,实现端到端的图像分割的特点。同时采用数据增强方法,解决了在叶片数据集稀缺条件下,训练时间长,不容易收敛的问题。实验结果表明,深度学习在植物叶片分割中效果显著,像素准确率达到了91%,Mean IU达到了78.52%,技术指标优于大部分传统图像分割算法。

相关图谱

扫描二维码