跳到正文
arXiv · 机器人与计算机视觉· Ropkathaa Choudhury·· 16 天前AI 评分3

MobileNetV2-CBAM 实现跨多年生作物领域的植物病害识别顺序迁移学习

Sequential Transfer Learning for Plant Disease Recognition Across Perennial Crop Domains Using MobileNetV2-CBAM

AI 导读

MobileNetV2-CBAM 模型通过从核桃到腰果、咖啡和芒果的顺序迁移,在 ABCGMP 六作物基准测试中达到 88.44% 准确率与 0.9949 ROC-AUC。该研究证实了轻量级注意力增强表示在多作物异质性下仍能保留显著预测能力,但广泛的多作物差异引入了可测量的性能约束。论文已上传至 arXiv,属于计算机视觉领域的预印本状态。

来源:arXiv · 机器人与计算机视觉 · arxiv.org