AT-ViT

新型视觉Transformer增强草药图像中的植物性状识别

研究人员开发了AT-ViT，这是一种新颖的双分支视觉Transformer，旨在提高草药图像的植物性状识别能力。该模型通过采用多尺度、多视图交叉注意力融合方案来解决背景噪声和虚假相关性的挑战。AT-ViT还引入了掩码引导的块加权机制，以专注于与植物相关的区域，与现有的CrossViT和ResNet101等模型相比，在准确性方面取得了显著提高，并提高了对背景扰动的鲁棒性。