Detecting Olives with Synthetic or Real Data? Olive the Above

要約

最新のロボット工学により、精密農業における収量推定の進歩が可能になりました。
しかし、オリーブ産業に適用すると、オリーブの色の多様性と背景の葉冠との類似性が課題となります。
セグメンテーションのために数千枚の非常に密集したオリーブ畑の画像にラベルを付けるのは、多大な労力を要する作業です。
この論文では、データに手動でラベルを付ける必要なく、オリーブを検出するための新しいアプローチを紹介します。
この研究では、合成オリーブの木の画像と本物のオリーブの木の画像で構成される世界初のオリーブ検出データセットを紹介します。
これは、自動ラベル付けされたオリーブの木の写実的な 3D モデルを生成することで実現されます。
次に、軽量のレンダリングを目的として、そのジオメトリが簡素化されます。
さらに、実験は合成画像と実際の画像を組み合わせて実行され、少数の実データのみを使用した場合と比較して最大 66% の改善が得られます。
人間がラベルを付けた実際のデータへのアクセスが制限されている場合、ほとんどが合成データと少量の実際のデータを組み合わせることで、オリーブの検出を強化できます。

要約(オリジナル)

Modern robotics has enabled the advancement in yield estimation for precision agriculture. However, when applied to the olive industry, the high variation of olive colors and their similarity to the background leaf canopy presents a challenge. Labeling several thousands of very dense olive grove images for segmentation is a labor-intensive task. This paper presents a novel approach to detecting olives without the need to manually label data. In this work, we present the world’s first olive detection dataset comprised of synthetic and real olive tree images. This is accomplished by generating an auto-labeled photorealistic 3D model of an olive tree. Its geometry is then simplified for lightweight rendering purposes. In addition, experiments are conducted with a mix of synthetically generated and real images, yielding an improvement of up to 66% compared to when only using a small sample of real data. When access to real, human-labeled data is limited, a combination of mostly synthetic data and a small amount of real data can enhance olive detection.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google