HyperAIHyperAI

Command Palette

Search for a command to run...

تحليل موجز لشبكة الكشف المتكرر عن الحدود التالية لتمييز حلقات النمو في صور شجرة الصنوبر اللoblolly

Marichal Henry ; Randall Gregory

الملخص

يقدم هذا العمل شبكة INBD التي اقترحها جيليرت وآخرون في مؤتمر CVPR-2023، ويدرس تطبيقها في تحديد حلقات الأشجار في صور RGB لقطع عرضية من شجرة البتولا الطيدا (P. taeda) الملتقطة بواسطة الهاتف الذكي (مجموعة بيانات UruDendro)، وهي صور ذات خصائص مختلفة عن تلك المستخدمة في تدريب الطريقة. تعمل شبكة INBD في مرحلتين: أولاً، تقوم بفصل الخلفية واللب وحدود الحلقات. وفي المرحلة الثانية، يتم تحويل الصورة إلى إحداثيات قطبية، وتتم عملية فصل حدود الحلقات بشكل تكراري من اللب إلى القشرة. تعتمد كلا المرحلتين على بنية U-Net. حققت الطريقة درجة F-Score قدرها 77.5، ومتوسط دقة الاسترجاع (mAR) قدره 0.540، ومتوسط دقة الاسترجاع العشوائية (ARAND) قدره 0.205 على مجموعة البيانات التقييمية. يمكن الوصول إلى الكود المستخدم في التجارب عبر الرابط https://github.com/hmarichal93/mlbrief_inbd.


بناء الذكاء الاصطناعي بالذكاء الاصطناعي

من الفكرة إلى الإطلاق — سرّع تطوير الذكاء الاصطناعي الخاص بك مع المساعدة البرمجية المجانية بالذكاء الاصطناعي، وبيئة جاهزة للاستخدام، وأفضل أسعار لوحدات معالجة الرسومات.

البرمجة التعاونية باستخدام الذكاء الاصطناعي
وحدات GPU جاهزة للعمل
أفضل الأسعار

HyperAI Newsletters

اشترك في آخر تحديثاتنا
سنرسل لك أحدث التحديثات الأسبوعية إلى بريدك الإلكتروني في الساعة التاسعة من صباح كل يوم اثنين
مدعوم بواسطة MailChimp