跳到正文
arXiv · 机器人与计算机视觉· Zhenkun Ye, Qian Zhou, Hua Zou·· 6 天前精选AI 评分78

基于描述引导与局部证据校准的 CLIP 适配用于少样本植物病害识别

Description-Guided CLIP Adaptation with Local Evidence Calibration for Few-Shot Plant Disease Recognition

AI 导读

针对少样本设置下预训练视觉语言模型(如 CLIP)难以捕捉细粒度诊断信息的问题,本文提出一种描述引导的两阶段 CLIP 适配方法。该方法利用症状和对比描述丰富类语义,指导聚合与类别相关的局部图像块证据以校准全局匹配。

推荐理由

提出描述引导的 CLIP 两阶段适配方法,通过症状与对比描述增强语义并校准局部证据,在少样本植物病害识别中实现最高平均准确率。

来源:arXiv · 机器人与计算机视觉 · arxiv.org