PSMamba: 用于植物病识别的渐进式自监督视觉 Mamba
计算机视觉与模式识别
2025-12-17 v1
摘要
自监督学习 (SSL) 已成为无需手动标注即可进行表示学习的强大方法。然而，大多数现有框架关注全局对齐，难以捕获植物病图像特有的层次性、多尺度病斑模式。为此，本文提出 PSMamba，一种渐进式自监督框架，集成了 Vision Mamba (VM) 的高效序列建模与双学生层次蒸馏策略。不同于传统的单教师-学生设计，PSMamba 采用共享全局教师和两个专用学生：一个处理中尺度视角以捕获病斑分布和脉络结构，另一个聚焦于局部视角以捕获纹理不规则性和早期病斑等细粒度线索。这种多尺度监督促进了上下文与详细表示的联合学习，consistency loss 确保跨尺度对齐的一致性。在三个基准数据集上的实验表明，PSMamba 在域偏移和细粒度场景中均显著优于最先进的 SSL 方法，提供卓越的准确率和鲁棒性。
引用
@article{arxiv.2512.14309,
title = {PSMamba: Progressive Self-supervised Vision Mamba for Plant Disease Recognition},
author = {Abdullah Al Mamun and Miaohua Zhang and David Ahmedt-Aristizabal and Zeeshan Hayder and Mohammad Awrangjeb},
journal= {arXiv preprint arXiv:2512.14309},
year = {2025}
}