跳到正文
arXiv · 机器人与计算机视觉· Kriti Saini, Manikandan P·· 14 天前AI 评分5

FedXCrop:非独立同分布农场数据下的联邦作物病害检测与可解释性研究

FedXCrop: Privacy-Preserving Crop Disease Detection via Federated Learning with Post-Aggregation Explainability under Non-IID Farm Distributions

AI 导读

FedXCrop 提出了一种支持聚合后解释性的联邦学习管道,在 PlantVillage 数据集上实现 98.59%-99.38% 的准确率。实验显示标签偏斜使准确率降低 0.6-1.6 个百分点,且 SmoothGrad 归因图主要依赖图像结构而非学习参数。代码与结果已公开,涵盖 38 类病害分类及非 IID 分布下的可解释性定量分析。

来源:arXiv · 机器人与计算机视觉 · arxiv.org