论文解读
AI 辅助整理- 方法
- 高低容量双分支随机采样训练，推理期概率空间平均，基于DINOv2 ViT-S。
- 发现
- NALEF数据集宏平均F1达0.978、Kappa 0.971，仅12.2 GFlops可手机端部署
- 机会点
- 可探索该集成头在更多作物物候与田间复杂光照下的小样本泛化能力。
论文摘要
针对小样本农情图像，提出高低容量双分支随机采样训练、推理期概率空间平均的集成头，在NALEF数据集上以DINOv2 ViT-S取得宏平均F1为0.978、Kappa系数0.971，仅12.2 GFlops与22.3M参数即可部署于手机端。
论文原文与出版信息
arXiv预印本(2610.37118)