跳到正文
arXiv · 机器人与计算机视觉· Kostiantyn Khabarlak·· 22 天前AI 评分45

DINOv2 ViT-S 多分支集成头实现黄瓜物候阶段高效分类

Multibranch Ensemble Head in Vision Foundation Models for Efficient Cucumber Phenological Stage Classification

AI 导读

针对小样本域偏移数据适配难题,研究提出一种增加可忽略参数且无推理开销的多分支集成头方案。该方案基于 DINOv2 ViT-S 骨干网络,在 NALEF Food Safety 数据集上达到 0.978 Macro F1,性能匹配超十倍参数量模型却仅需 12.2 GFlops 算力与 22.3M 参数。此设计使黄瓜物候阶段分类可部署于智能手机及边缘设备以支持精准农业决策。

来源:arXiv · 机器人与计算机视觉 · arxiv.org