《表4 Mask R-CNN不同网络结构对比》
利用Mask R-CNN对小麦穗部进行整体分割,由表3可知综合性能优于已有的OTSU方法和FCN方法。在对穗部进行检测和分割的同时也对小麦单侧籽粒进行实例分割,这是先前的研究中基于全卷积神经网络的分割方法所不能够实现的。在对分割模型进行训练时,使用ResNet-50和ResNet-101两种卷积神经网络模型结合特征金字塔网络将高层次和低层次的特征融合进行特征提取,通过相同次数的迭代对7组测试数据进行试验比较,结果如表4所示。通过改变不同的特征提取网络进行训练,从召回率、准确度和F1的结果可以看出:使用Res Net-101和FPN结合可以达到最优结果,其中F1均值达到0.830。
图表编号 | XD0092136500 严禁用于非法目的 |
---|---|
绘制时间 | 2019.09.30 |
作者 | 谢元澄、于增源、姜海燕、金前、蔡娜娜、梁敬东 |
绘制单位 | 南京农业大学信息科学技术学院、南京农业大学信息科学技术学院、南京农业大学信息科学技术学院、南京农业大学国家信息农业工程技术中心、南京农业大学信息科学技术学院、南京农业大学信息科学技术学院、南京农业大学信息科学技术学院 |
更多格式 | 高清、无水印(增值服务) |