arXiv · cs.AI· Leo Thomas Ramos, Angel D. Sappa·· 1 天前
FCBNet：用于多光谱航空影像伪装杂草检测的参数高效卷积方法
A Parameter-efficient Convolutional Approach for Camouflaged Weed Detection in Multispectral Aerial Imagery
arXiv:2603.06655v2阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Leo Thomas Ramos, Angel D. Sappa
期刊信息（来源提供）：Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition, pp. 1349-1358, 2026
研究任务与主要进展
FCBNet提出一种面向多光谱航空影像伪装杂草检测的参数高效卷积模型。其采用完全冻结的ConvNeXt主干、特征校正块和轻量解码器，在WeedBananaCOD与WeedMap的RGB及多光谱模态上，mIoU超过85%，优于U-Net等对比模型。训练耗时0.06至0.2小时，冻结主干使可训练参数减少超过90%。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org