融合Swin Transformer的虫害图像实例分割优化方法研究 |
| |
引用本文: | 高家军,张旭,郭颖,刘昱坤,郭安琪,石蒙蒙,王鹏,袁莹.融合Swin Transformer的虫害图像实例分割优化方法研究[J].南京林业大学学报(自然科学版),2023(3):1-10. |
| |
作者姓名: | 高家军 张旭 郭颖 刘昱坤 郭安琪 石蒙蒙 王鹏 袁莹 |
| |
作者单位: | 中国林业科学研究院资源信息研究所 |
| |
基金项目: | 中央级公益性科研院所基本科研业务费专项资金项目(CAFYBB2021ZB002); |
| |
摘 要: | 【目的】为了实现对虫害的精准监测,提出了一种融合Swin Transformer的图像实例分割优化方法,以期有效解决复杂真实场景下多幼虫个体图像识别分割困难的问题。【方法】选用Swin Transformer模型,改进Mask R-CNN实例分割模型的主干网部分,对黄野螟幼虫虫害图像进行识别分割。针对不同结构参数的Swin Transformer模型与ResNet模型,调整各层的输入输出维度,将其分别设置为Mask R-CNN的主干网进行对比实验,从定量与定性两个角度分析不同主干网的Mask R-CNN模型对黄野螟幼虫的识别分割精度与效果,确定最佳模型结构。【结果】(1)该方法在虫害识别框选方面的测度(F1)分数可达89.7%,平均精度(AP)可达88.0%;在虫害识别分割方面的F1分数可达84.3%,AP可达82.2%。相较于Mask R-CNN,在目标框选与目标分割方面分别提升8.75%与8.40%。(2)对于小目标虫害识别分割任务,该方法在虫害识别框选方面的F1分数可达88.4%,AP可达86.3%;在虫害识别分割...
|
关 键 词: | 虫害识别 Swin Transformer Mask R-CNN 实例分割 土沉香 黄野螟 |
|
|