WeedRepFormer：面向实际水稻杂草分割与性别分类的可重参数化视觉转换
计算机视觉与模式识别
2026-01-08 v1
摘要
我们提出 WeedRepFormer，一个轻量级多任务视觉转换模型，用于同时进行水稻杂草的分割和性别分类。现有农业模型常在生物属性分类所需的细粒度特征提取与实现实时部署所需的效率之间难以平衡。为此，WeedRepFormer 在整个架构中系统性地集成结构重参数化——包括视觉转换模型主干、Lite R-ASPP 解码器和新颖的可重参数化分类头——以在训练时获取容量而在推理时降低延迟。我们还引入一个全面的水稻杂草数据集，包含 10,264 个标注帧来自 23 株植物。在此基准上，WeedRepFormer 使用仅 3.59M 参数和 3.80 GFLOPs 实现 92.18% 的 mIoU 分割和 81.91% 的分类准确率。达到 108.95 FPS，本模型在分类准确率上比最先进的 iFormer-T 高出 4.40%，同时保持具竞争力的分割性能，并显著降低参数数量 1.9 倍。
引用
@article{arxiv.2601.03431,
title = {WeedRepFormer: Reparameterizable Vision Transformers for Real-Time Waterhemp Segmentation and Gender Classification},
author = {Toqi Tahamid Sarker and Taminul Islam and Khaled R. Ahmed and Cristiana Bernardi Rankrape and Kaitlin E. Creager and Karla Gage},
journal= {arXiv preprint arXiv:2601.03431},
year = {2026}
}
备注
11 pages, 5 figures