我阅读的这篇论文综述了深度学习在植物病虫害检测领域的最新进展。论文作者首先指出传统检测方法存在耗时费力、依赖专业知识的局限性，然后系统分析了深度学习技术在图像分类、目标检测、语义分...

用于密集图像预测的频率感知特征融合这篇论文来源:TPAMI 2024，本研究将信号或图像从时域转换到频域，用于提取高频特征。

论文作者提出了一种结合深度可分离卷积的轻量化ResdenseNet模型，用于植物早期病害分类。该模型通过密集连接、残差块和深度可分离卷积的混合架构，显著降低了参数量（0.72M）和训练时间（5983秒...

电子科技大学团队提出自适应矩形卷积（ARConv）解决遥感图像多尺度特征提取难题。针对传统卷积核固定形状与采样点无法适应物体尺寸差异的问题，ARConv通过双子网络动态学习每个像素的卷积核高度...

FreqFormer通过频域注意力机制有效结合高频细节与低频全局信息，显著提升了遥感图像语义分割的精度。实验表明其在复杂场景中具有更强的判别能力，为地物分类和地理空间分析提供了新的解决方案。

我总结了论文的核心内容：针对线性注意力因忽略Query幅值导致性能不足的问题，提出了MALA方法，通过引入带比例因子β和偏置γ的线性调整，恢复幅值对注意分布的影响。实验表明，MALA在图像分类...