为基于视觉的农业应用生成多样化农业数据
原文中文,约400字,阅读约需1分钟。发表于: 。为精准农业中的计算机视觉任务提供包含语义标签的 12,000 张图像数据集,通过在合适的光照条件下模拟大豆作物和杂草的成长阶段、不同的土壤条件和随机的田地布局,将真实世界纹理和环境因素融入到程序生成过程中,提高合成数据的逼真度和适用性,从而有效地增加了农业机器学习模型的训练数据。
本文介绍了一种系统性的方法来生成高度逼真、注释的合成数据,以用于计算机视觉任务的深度神经网络的训练。该方法的主要贡献是一种程序性的世界建模方法,能够产生高度可变性和物理准确性的图像合成,并且它是从手工建模的虚拟世界和在实时应用中使用的近似图像合成方法中脱颖而出的。