Pinus taeda 이미지에서 나무 고리 경계선을 구분하기 위한 반복적인 다음 경계 검출 네트워크의 간략한 분석

이 연구는 Gillert 등이 CVPR-2023에서 제안한 INBD 네트워크를 소개하고, 스마트폰으로 촬영된 소나무(Pinus taeda) 단면의 RGB 이미지(UruDendro 데이터셋)에서 나무 고리를 구분하는 데 이 방법을 적용하는 것을 연구합니다. 이 이미지는 학습에 사용된 이미지와 다른 특성을 가지고 있습니다.INBD 네트워크는 두 단계로 작동합니다. 첫 번째 단계에서는 배경, 수심부(髓心部, pith), 그리고 고리 경계를 분할합니다. 두 번째 단계에서는 이미지를 극좌표로 변환하고, 수심부에서 껍질까지 순차적으로 고리 경계를 분할합니다. 두 단계 모두 U-Net 아키텍처를 기반으로 합니다.이 방법은 평가 세트에서 F-Score 77.5, mAR 0.540, ARAND 0.205의 성능을 달성했습니다. 실험 코드는 https://github.com/hmarichal93/mlbrief_inbd에서 제공됩니다.