Revealing Hierarchical Structure of Leaf Venations in Plant Science via Label-Efficient Segmentation: Dataset and Method

层次叶脉分割是农业科学中至关重要但尚未得到充分探索的任务，其中对植物叶脉层次结构的分析可以为植物育种做出贡献。虽然当前的分割技术依赖于数据驱动模型，但尚无公开可用的数据集专门设计用于层次叶脉分割。为了填补这一空白，我们介绍了HierArchical Leaf Vein Segmentation (HALVS)数据集，这是第一个公开的层次叶脉分割数据集。HALVS包括来自三种植物（大豆、甜樱桃和伦敦梧桐）的5,057张真实扫描的高分辨率叶片图像。它还包括三级叶脉的人工注释基准，总标注工作量为83.8人天。基于HALVS，我们进一步开发了一种标签高效的学习范例，利用部分标签信息，即三级叶脉的缺失注释。在HALVS上进行了实证研究，揭示了关于叶脉分割的新观察、挑战和研究方向。

论文旨在解决农业科学中的分层叶脉分割问题，为此需要一个公开数据集。当前的分割技术依赖于数据驱动模型，但是还没有专门针对分层叶脉分割的公开数据集。

论文介绍了HierArchical Leaf Vein Segmentation (HALVS)数据集，它是第一个公开的针对分层叶脉分割的数据集。HALVS包括来自三种植物物种的5,057张高分辨率实际扫描的叶片图像，并提供了三个级别的叶脉人工标注，总标注时间为83.8人天。基于HALVS，论文提出了一种利用部分标注信息的标签高效学习范例，即对于三级叶脉缺少标注的情况。

论文的亮点包括：介绍了第一个公开的针对分层叶脉分割的数据集；提出了一种新的标签高效学习范例；实验结果揭示了叶脉分割领域的新观察、挑战和研究方向。

最近在这个领域中，还有一些相关的研究，例如：'Leaf Vein Segmentation Using a Deep Convolutional Neural Network'，'Automated Leaf Vein Segmentation Using a Modified Hessian-Based Approach'等。