对迭代下一边界检测网络在Pinus taeda图像中树轮轮廓划分的简要分析

这项研究介绍了由Gillert等人在CVPR-2023上提出的INBD网络，并探讨了其在智能手机拍摄的Pinus taeda（湿地松）横截面RGB图像中（UruDendro数据集）划分年轮的应用。这些图像具有与训练该方法所使用的图像不同的特征。INBD网络的工作分为两个阶段：首先，它对背景、髓心和年轮边界进行分割；其次，将图像转换为极坐标系，并从髓心到树皮逐层分割年轮边界。这两个阶段均基于U-Net架构。该方法在评估集上达到了F分数77.5、平均区域召回率（mAR）0.540和区域随机一致性（ARAND）0.205。实验代码可在https://github.com/hmarichal93/mlbrief_inbd 获取。