本次组会汇报了两项研究进展：一、提出基于图像切割与标注的作物叶片病害分类去背景方法，采用小型Inception模型验证泛化性，探讨OpenCV预处理或语义分割去背景的可行性；二、融合多源玉米数据...

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...

本文提出一种基于局部特征学习的轻量化深度学习方法，用于跨作物植物病害检测。通过将叶片图像分割为32×32小块并筛选有效区域，构建包含186万样本的数据集，采用轻量化Inception模型实现二分类...

2025年3月16日的分享会上，陈学长建议人工智能专业学生转向机器人领域（如ROS开发、嵌入式等新兴高需岗位），强调考研提升学历对冲击算法岗的重要性，并提倡通过国家级竞赛积累经验、拓宽职业后...

本实验使用K近邻分类算法对sklearn葡萄酒数据集进行分类，采用标准化预处理、网格搜索优化超参数（k值、距离度量、权重方式）并结合5折交叉验证确保模型稳定性。最终，最佳模型在测试集上实现10...

本文介绍了使用Python和Scikit-Learn进行信用卡欺诈检测的完整流程。通过处理高度不平衡的数据集（492例欺诈 vs 284315正常），采用SMOTE过采样技术平衡样本，并使用决策树模型训练。评估部分涵...