典型文献
融合高级与低级视觉特征的农业图像显著性区域预测方法研究
文献摘要：
[目的]构建融合高级与低级视觉特征的农业图像(果实、农作物及畜禽目标)显著性区域预测算法,为农作物生长状态的监测、动物的体况评估提供支持.[方法]提出一种整合高级和低级视觉特征的农业图像显著性区域预测深度学习框架及其预训练方案.在MSRA10k数据集上按照6∶2∶2的比例进行训练、验证和测试,并采用F-Measure作为评价指标,在6种公共数据集(SOD、ASD、SED2、ECSSD、HKU-IS和THUR)及农业图像典型数据集上,将预测算法与4种显著性预测算法(MWS、IMS、FSN、P-Net)进行对比.[结果]所建立的预测算法在6种公共数据集上的平均F-Measure分数最高,为0.823,平均MAE分数最低,为0.099,显著性可视化结果边界完整,与人工标记的基准图像更接近.在农业图像典型数据集上的平均F-Measure为0.826,表明该算法可有效应对复杂农业场景的干扰,实现更为准确的目标轮廓信息提取.[结论]融合高级与低级视觉特征的图像显著性区域预测算法,可以实现对复杂农业场景下农作物及畜禽图像显著性区域的快速、准确预测.
文献关键词：
显著性区域;农业图像;特征整合;视觉特征
中图分类号：
作者姓名：
孟庆岩;阴旭强;宋怀波
作者机构：
烟台黄金职业学院信息工程系,山东烟台265400;西北农林科技大学机械与电子工程学院,陕西杨凌712100
文献出处：
引用格式：
[1]孟庆岩;阴旭强;宋怀波-.融合高级与低级视觉特征的农业图像显著性区域预测方法研究)[J].西北农林科技大学学报（自然科学版）,2022(01):146-154
A类：
农业图像,MSRA10k,SED2,THUR
B类：
低级,视觉特征,图像显著性,显著性区域,域预测,畜禽,预测算法,作物生长,生长状态,体况,测深,深度学习框架,预训练,训练方案,Measure,公共数据,ASD,ECSSD,HKU,IS,MWS,IMS,FSN,Net,MAE,人工标记,农业场景,目标轮廓,信息提取,准确预测,特征整合
AB值：
0.309017
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
