MCLC-NET: Multimodal Continual Learning for Leaf Counting
提出多模态持续学习框架MCLC-NET用于叶片计数,并发布真实多模态数据集MMLC。
关键词 · 相关资讯与研究
沿着“叶片计数”继续探索,共 1 条内容。
提出多模态持续学习框架MCLC-NET用于叶片计数,并发布真实多模态数据集MMLC。
提出一种结合深度学习和几何建模的猫姿态自动分析框架,从RGB图像提取临床可解释的姿态描述符。
上海市农业科学院选育的"中旱3号"是中国南方稻区第一个通过国家审定的旱稻品种,被指定为国家旱稻品种区域试验南方稻区唯一的对照品种;"沪旱3号"是中国南方稻区第一个通过国家审定的粳型旱稻品种。目前累计推广面积已达534.96余万亩,增产稻谷3亿公斤,节约水资源16亿吨,实现经济效益5.89亿元。在一些种植区域,节水可达50%。
研究视频多目标跟踪系统在不同扫描条件下估算苹果产量的性能。
提出VAG-ViT轻量框架,融合多视角RGB图像与双任务学习,估算咖啡叶片生理指标。
提出基于ESP32与CNN的智能农业系统,实现环境监测与叶片病害实时检测。
10月26日第四届林木表型组学前沿论坛在南京举行,江苏省农科院无锡分院助理研究员张嘉懿作《表型获取到智能决策》报告,展示“青禾守望者”农情智能监测机器人在长势监测、产量预报与氮肥调控中的应用,构建功能—结构协同模拟模型支撑农业数字孪生。
原文标题:数字乡村建设水平的驱动路径及其效应研究——基于省域面板数据的动态QCA分析。基于制度逻辑理论,构建'政府—市场—社会'分析框架,运用动态QCA探讨数字乡村建设水平提升的组态路径,并使用回归分析方法比较不同路径的驱动效应。单一的政府、市场、社会因素不构成高水平数字乡村建设的必要条件;实现高水平数字乡村建设有'政府—市场双元驱动型''财政赋能下市场驱动型''政府规制下市场驱动型''政府主导型'和'政府—市场—社会多元驱动型'5条组态路径;在时间维度,'政府—市场—社会多元驱动型'组态路径在产生高水平数字乡村建设中的作用越来越明显;在空间维度,不同地区存在一定的组态偏好差异;在回归分析中,'政府—市场驱动型'组态路径对数字乡村建设的驱动效应最大。
提出LeafTrackNet深度学习框架,实现俯视植物表型中稳健的叶片追踪。