Un método de construcción rápida para un conjunto de datos de segmentación de instancias de granos de trigo de alto rendimiento utilizando imágenes de alta resolución
Autores: Gao, Qi; Li, Heng; Meng, Tianyue; Xu, Xinyuan; Sun, Tinghui; Yin, Liping; Chai, Xinyu
Idioma: Inglés
Editor: MDPI
Año: 2024
Acceso abierto
Artículo científico
2024
Un método de construcción rápida para un conjunto de datos de segmentación de instancias de granos de trigo de alto rendimiento utilizando imágenes de alta resolución
Categoría
Ciencias Agrícolas y Biológicas
Subcategoría
Agronomía y Ciencia de los Cultivos
Palabras clave
Aprendizaje profundo
Modelos
Conjuntos de datos
Segmentación de instancias
Aduanas
Detección
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 20
Citaciones: Sin citaciones
Los modelos de aprendizaje profundo pueden mejorar la eficiencia y precisión de la detección en el lugar de importación de granos en aduanas, satisfaciendo la necesidad de operaciones inteligentes, eficientes y de alto rendimiento. Sin embargo, la construcción de conjuntos de datos, crucial para los modelos de aprendizaje profundo, a menudo implica costos significativos de mano de obra y tiempo. Abordando los desafíos asociados con el establecimiento de conjuntos de datos de segmentación de instancias de alta resolución para objetos pequeños, integramos dos modelos de cero disparo, Grounding DINO y Segment Anything, en un pipeline de anotación de conjuntos de datos.
Descripción
Los modelos de aprendizaje profundo pueden mejorar la eficiencia y precisión de la detección en el lugar de importación de granos en aduanas, satisfaciendo la necesidad de operaciones inteligentes, eficientes y de alto rendimiento. Sin embargo, la construcción de conjuntos de datos, crucial para los modelos de aprendizaje profundo, a menudo implica costos significativos de mano de obra y tiempo. Abordando los desafíos asociados con el establecimiento de conjuntos de datos de segmentación de instancias de alta resolución para objetos pequeños, integramos dos modelos de cero disparo, Grounding DINO y Segment Anything, en un pipeline de anotación de conjuntos de datos.