混合CNN-Transformer自蒸馏提升香蕉跨等级分类
热点事件持续更新
混合CNN-Transformer自蒸馏提升香蕉跨等级分类
1 篇报道1 个报道来源11 小时前更新
先了解这件事
AI 综述
Khush Kataruka等作者提交论文，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，用于跨质量等级的香蕉品种分类。 在31,678张香蕉图像（3个品种、3个质量等级）上按Leave-One-Grade-Out方式评测，该框架平均准确率为81.25%，作者称显著超过CNN与Transformer基线。
AI 根据报道生成 · 2 小时前更新
最新进展10月23日 12:00
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报道时间线
沿着报道，了解事件的不同侧面。
10月23日
- arXiv cs.AI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
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。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。