Sqrt-error-weighted grade model for weakly supervised weed segmentation of UAV imagery
提出平方根误差加权分级模型，用弱监督方式分割无人机影像中的杂草。
阅读 0
关键词 · 相关资讯与研究
#弱监督
沿着“弱监督”继续探索，共 0 条内容。
你可能还想看
没有这个标签，内容接近Uncertainty-Aware Semi-Supervised Framework with Supervised Contrastive Learning for Sugarcane Leaf Disease Detection [预印本]
提出半监督不确定性感知网络U-SSDNet，用少量标注实现甘蔗叶病高精度检测。
阅读 1
Dual-branch multimodal scale-interaction transformer for semi-supervised HSI-SAR classification
提出双分支多模态尺度交互Transformer，用少量标注实现HSI-SAR联合地物分类。
阅读 1
Contrastive Self-Supervised Pretraining for Artificial Intelligence Agriculture Weed Detection Under Label Scarcity: A Computer Transfer-Robustness Evaluation
提出对比自监督预训练在杂草检测跨域迁移中何时有效的理论框架与评估协议。
阅读 1
SAMWater: a prompt-guided multimodal framework for transferable water mapping with the segment anything model
提出SAMWater，用提示引导多模态基础模型实现可迁移地表水制图。
阅读 5
SAR2Agri:基于纯 SAR 强度图像的自监督学习管道,作物类型制图 IoU 达 84.9%
arXiv 8-11 上线论文提出首个仅使用 SAR 强度图像的农业应用自监督学习管道(SAR2Agri),作者:Moti Rattan Gupta、Anupam Sobti。通过改进的掩码+课程学习时间前置任务,从 SAR 数据中捕获物候特征。在 SICKLE 基准上,最终模型在作物类型制图上达到 84.9% IoU,优于光学基线 15.3 个百分点、优于现有 SAR 基线 2.2 个百分点,展示了 SAR 强度编码器对农业监测预训练的有效性。[预印本]
阅读 3
TSE-Net: Semi-supervised monocular height estimation from single remote sensing images
提出TSE-Net半监督自训练框架，用少量标注和大量无标注遥感图像估计单目高度。
阅读 2
[预印本]视觉基础模型中的多分支集成头用于高效黄瓜物候阶段分类
提出多分支集成头，实现小样本黄瓜物候阶段高效分类。
阅读 0