arXiv cs.AI· Khush Kataruka, Mohammad Muzammila, Zahid Akhtar, Raghavendra Ramachandra, Praveen Kumar Chandaliya·· 12 小时前AI 评分18
混合 CNN-Transformer 与知识自蒸馏提升香蕉品种分类的跨等级泛化能力
Enhancing Cross-Grade Generalization in Banana Variety Classification via Hybrid CNN-Transformers and Knowledge Self-Distillation
AI 导读
研究提出双流 Swin ResNet 混合框架，并用基于 KL 散度的自蒸馏对齐 CNN 与 Transformer 两路的概率特征表示，在 31,678 张香蕉图像（3 个品种、3 个质量等级）的 Leave-One-Grade-Out 评测下取得 81.25% 平均准确率，显著超过 CNN 与 Transformer 基线。
正文 · AI 翻译
摘要：近年来，自动化水果分类系统已成为精准农业中用于高效产量估算、质量控制和供应链优化的更关键组成部分。然而，在质量、水果成熟度、光照、纹理退化、形态属性、域偏移以及采后处理条件变化的情况下，它们仍面临重大挑战。在本研究中，我们应对跨等级香蕉品种分类这一具有挑战性的问题。这是一个真实场景，其中在特定质量等级上训练的模型必须泛化到未见过的等级，以应对显著的域偏移。在严格的留一等级评估协议下，我们使用包含三个品种和三个质量等级的 31,678 张香蕉图像的大规模数据集，对 CNN、ViT 和双流混合架构进行了全面的对比分析。具体而言，为解决单一范式框架的缺陷，我们提出了一种双流 Swin ResNet 混合框架，并通过基于 KL 散度的自蒸馏进行增强，以对齐 CNN 流和 Transformer 流之间的概率特征表示。全面的实验分析表明，所提出的基于 KL 散度自蒸馏的混合框架取得了更好的整体性能，即其平均准确率达到 81.25%，并显著超越了 CNN 和 Transformer 基线模型。定性分析进一步证实，本研究中的混合框架提升了判别性特征的可迁移性，改善了注意力定位，并稳定了优化过程。
| 评论： | 29 页，9 幅图 |
| 主题： | 计算机视觉与模式识别（cs.CV）；人工智能（cs.AI） |
| 引用为： | arXiv:2610.29008 [cs.CV] |
| （或使用 arXiv:2610.29008v1 [cs.CV] 获取此版本） | |
| https://doi.org/10.48550/arXiv.2610.29008 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Praveen Chandaliya Dr [查看电子邮件]
[v1]
2026 年 10 月 21 日星期三 00:19:09 UTC（4,980 KB）
来源：arXiv cs.AI · arxiv.org