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...

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...

GitHub链接：https://github.com/SmallBambooCode/ConvLSR-Net Readme： SmallBambooCode 修改版 为了更加方便的训练&测试 增加了测试日志保存 修改了部分数据集文件的默认地址 增加shell脚...

本篇论文作者开发了LeafConvNeXt深度学习模型，用于高效检测植物叶片病害。该模型基于改进的ConvNeXt架构，结合组卷积和密集连接增强特征提取能力，并采用LayerCAM提升可解释性。在包含52类病害...

Pest-ConFormer通过融合CNN与Transformer的优势，结合多尺度特征聚合和弱监督学习，显著提升了细粒度害虫分类性能，但计算复杂度较高。未来工作可围绕轻量化、小目标优化和数据增强展开。

我阅读了LSRFormer模块论文，它融合ViT和CNN优势，通过Split Windows分割特征图，采用LR-SA（长程自注意力）和SR-SA（短程自注意力）分别建模全局依赖和局部细节，并结合MSC-FFN增强多尺度特征...