需同意授權
瀏覽次數
下載次數
瀏覽次數
下載次數
稻穗影像去背模型
本模型使用U2net為主要基礎架構，旨在應用於將透過手機拍攝的影像中萃取出稻穗影像並去除背景像素，以作為可進一步分析(如穀粒含水量推估)之預處理方式，由於U2net擅長背景去除的影像語義分割之用途，因此選擇基於此架構訓練去背模型。
下圖由左至右分別為：1.原圖、2.以Grad-CAM繪製模型注意力之熱力圖、3.模型分割後的影像遮罩、4.以遮罩切割原圖之最終結果
1.訓練模型引用U2net架構
@InProceedings{Qin_2020_PR,
title = {U2-Net: Going Deeper with Nested U-Structure for Salient Object Detection},
author = {Qin, Xuebin and Zhang, Zichen and Huang, Chenyang and Dehghan, Masood and Zaiane, Osmar and Jagersand, Martin},
journal = {Pattern Recognition},
volume = {106},
pages = {107404},
year = {2020}
}
2. 稻米穀粒含水量推估模型參考文獻: https://www.mdpi.com/1424-8220/21/17/5875
Data and Resources
應用模型
-
稻穗影像萃取模型TAR
此檔案需經過Docker環境下讀取TAR映像檔以執行，其執行步驟如下： 1.下載Docker Desktop(Windows系統下)，下載連結...
Additional Info
| Field | Value |
|---|---|
| Last Updated | August 20, 2024, 17:34 (+0800) |
| Created | June 9, 2023, 17:34 (+0800) |
Recommended AI Model
校正色卡偵測模型
更新頻率瀏覽次數
下載次數
本模型使用YOLOv7作為物件偵測架構，以大田環境下透過智慧型手機拍攝包含黑、灰、白之影像校正色卡為應用情境，目標是檢測在畫面中不同位置擺設之影像校正色卡位置與類別，以便於使用者可以此偵測結果進行後續影像校正工作，提高影像分析之精準度與穩定性之用。
下圖由左至右分別為：
1.原圖
2.模型偵測結果圖(黑色、灰色、白色校正色卡位置與信心分數)...
穀粒含水量推估模型
更新頻率瀏覽次數
下載次數
本模型使用Python之開源函式庫ADAPT為主要基本架構，旨在應用將手機拍攝的稻穗影像顏色特徵作為訓練資料，以領域適應（Domain Adaptation, DA）方法推估出各影像中的穀粒含水量。
下圖由左至右分別為：1.基於特徵的領域適應方法適應前後的特徵t-SNE圖、2.基於實例的領域適應方法重要實例標註的特徵t-SNE圖
執行步驟...