提出FCBNet进行多光谱航空影像伪装杂草检测

Leo Thomas Ramos和Angel D. Sappa在arXiv论文中提出FCBNet，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，由完全冻结的ConvNeXt主干、特征校正块（FCB）和轻量解码器组成。 在WeedBananaCOD与WeedMap数据集的RGB及多光谱模态上，作者称FCBNet的mIoU超过85%，优于U-Net、DeepLabV3+、SK-U-Net、SegFormer和WeedSense等对比模型。冻结主干使可训练参数减少超过90%，训练耗时0.06至0.2小时。以上为论文作者声称的评估结果。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。