Multiskalen-Kontext-Swin-Transformer für die Segmentierung von Pflanzenbildern

Zusammenfassung Die Kombination von UAV-gestützter Fernerkundung mit Deep Learning zur Bildsegmentierung ist eine besonders innovative und effektive Technologie in der modernen Landwirtschaft. Dieser Ansatz ermöglicht eine detaillierte und präzise Analyse landwirtschaftlicher Flächen, wie z. B. das Monitoring von Pflanzen, die Ertragsvorhersage und das Bewässerungsmanagement, wodurch die Entscheidungsfindung und die landwirtschaftlichen Praktiken verbessert werden. Inspiriert von den jüngsten Fortschritten bei Transformern in der Computer Vision, stellt dieses Papier den Multiskalen-Kontext-Swin-Transformer (MSC-Swin) vor, ein neuartiges Modell zur genauen Segmentierung von UAV-Pflanzenbildern. MSC-Swin kombiniert innovativ eine Swin-Transformer-Architektur zur detaillierten Merkmalsextraktion mit Pooling-Operationen, um mehrskalige kontextuelle Informationen zu nutzen. Unsere umfangreichen Experimente zeigen, dass MSC-Swin nicht nur die besten Ergebnisse auf dem Barley Remote Sensing-Datensatz erzielt, mit einem Rekord-mIoU von 86,4 % im Testset, sondern auch Robustheit und hervorragende Generalisierbarkeit aufweist.