Работы автора

В статье обсуждается проблема семантической сегментации полевых изображений сельскохозяйственной культуры и сорной растительности с использованием архитектур сверточных нейронных сетей. В работе рассматривались две архитектуры: классическая U-Net и U-Net с предварительно обученным кодером Resnet 50. Точность сегментации оценивалась при помощи метрики среднего mIoU, метрики IoU, а также матрицы ошибок классификации. U-Net Resnet 50 показала наилучшую производительность и самую высокую точность (IoU=0,9506; mIoU=0,8723). Результаты могут быть использованы для обучения роботизированных устройств, используемых для точной обработки (опрыскивания) культурных растений в сельском хозяйстве.