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...

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。

本文提出一种轻量化改进的MaxViT模型，通过集成SE模块和GRN技术优化结构，并结合多源数据集（5234张图像）进行玉米叶片病害检测。实验表明，该模型在四分类任务中准确率达99.24%，推理速度达0.0...