基于 General Plant Infection 数据集的自监督 transformer 预训练方法
计算机视觉与模式识别
2025-09-17 v1
摘要
害虫和病虫分类是农业中的一个具有挑战性的问题。深度学习模型的性能与训练数据的多样性和数量密切相关, 这给尚未发展完善的植物害虫和病虫数据集带来了挑战。本研究通过构建一个全面的数据集并提出一种高级网络架构来解决这些挑战, 该网络架构结合了对比学习和掩码图像建模 (MIM)。数据集包含多样化的植物种类和害虫类别, 是该领域最大且最具多样性的数据集之一。提出的网络架构在解决植物害虫和病虫识别任务方面表现有效, 实现了显著的检测准确率。该方法为快速、高效且经济的植物害虫和病虫检测提供了可行方案, 从而降低了农业生产成本。我们的代码和数据集将在 GitHub 仓库 https://github.com/WASSER2545/GPID-22 上公开, 以推动植物害虫和病虫识别研究的进展。
引用
@article{arxiv.2407.14911,
title = {Self-supervised transformer-based pre-training method with General Plant Infection dataset},
author = {Zhengle Wang and Ruifeng Wang and Minjuan Wang and Tianyun Lai and Man Zhang},
journal= {arXiv preprint arXiv:2407.14911},
year = {2025}
}
备注
14 pages, 5 figures, 4 tables, 3 formulas