PulseAugur
中
实时 08:19:35
English(EN) Text-conditioned Segmentation for Tomato Phenotyping via Procedural Synthetic Data

新框架利用合成数据改进番茄植株分割

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一个新的框架，用于温室番茄植株的分割，解决了标注训练数据有限的挑战。该方法结合了程序化合成数据生成和 Segment Anything Model 3 (SAM 3) 的微调。通过对商业樱桃番茄温室进行建模，他们创建了一个大型合成数据集，用于专门化 SAM 3 的文本条件分割能力以用于作物器官。在真实温室数据集上进行评估时，微调后的模型表现出显著提高的分割性能和置信度。 AI

影响 通过提高分割精度，增强了 AI 在专业农业环境中的适用性。

排序理由 详细介绍计算机视觉任务新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新框架利用合成数据改进番茄植株分割

报道来源 [1]

  1. arXiv cs.CV TIER_1 English(EN) · Samy Mounir, Mikolaj Cieslak, Najmeddine Dhieb, Hakim Ghazzai, Jonathan Klein, Katja Froehlich, Soeren Pirk, Wojciech Palubicki, Gianluca Setti, Ahmed M. Eltawil, Dominik L. Michels ·

    通过程序化合成数据实现番茄表型特征的文本条件分割

    arXiv:2607.18576v1 Announce Type: new Abstract: Vision-based automation is an excellent candidate for reducing manual labor in greenhouse crop production and phenotyping. However, progress is constrained by the lack of annotated training data. Recent advances in vision-based foun…

相关实体

相关话题