LightTeaNet：用于茶叶病害检测的轻量级CNN

研究人员开发了LightTeaNet，一种轻量级卷积神经网络（CNN），用于检测和定位茶叶病害。这种弱监督模型直接从图像级标签中学习，并使用类激活映射（CAM）进行自动定位，无需YOLO等模型所需的广泛边界框标注。LightTeaNet集成了深度可分离卷积以提高参数效率，并结合通道注意力以增强特征辨别力，实现了0.9615的精确率和0.8772的召回率。 AI

影响 该模型为农业病害监测提供了一种资源高效且可解释的解决方案，有望提高作物产量。

排序理由 该集群描述了一篇关于一种用于特定应用（茶叶病害检测）的新型CNN模型的新研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

• arXiv
• Channel Attention Networks for Image Translation
• CNN
• Depthwise Separable Convolutions
• Hugging Face
• LightTeaNet
• Naif Haider Chowdhury
• South Asia
• Southeast Asia
• YOLO

• 论文
• 产品

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →