NALEF Food Safety dataset

新的集成头提高了视觉模型在植物阶段分类方面的效率

研究人员开发了一种新颖的多分支集成头技术，用于视觉基础模型，旨在提高这些模型在适应小型、特定领域数据集时的效率和准确性。该方法配对低容量和高容量分支，在训练期间随机采样一个，在推理期间平均两个，增加了最小的计算开销。将其应用于使用 NALEF Food Safety 数据集的黄瓜物候期分类，带有此集成头的 DINOv2 ViT-S 模型在参数和 GFlops 少得多的情况下实现了最先进的性能，使其适用于边缘设备。