跳到正文
arXiv · ML· Hazem Ahmed, Ali Hamdi, Ammar Mohammed·· 7 天前AI 评分23

CBRL 联合对比与自蒸馏信号提升低标签农业图像分类性能

Contrastive Bootstrap Representation Learning for Label-Efficient Agricultural Image Classification

AI 导读

CBRL 方法在 ViT-L/16 骨干和 10% 下游标签条件下,在四个主要农业测试基准中取得了最高的 macro-F1 单点估计。 在 DeepWeeds 数据集上达到 79.77%,比随机初始化基线高 32.29 点;PlantVillage 达 98.14%,PlantDoc 各方法性能均不佳。 该联合形式是标签受限迁移的有前景候选,但研究未确立统计显著优势。

来源:arXiv · ML · arxiv.org