跳到主要内容
10.1145/3652628.3652820交流会议文章/章节视图摘要出版物页面伊卡伊斯会议记录会议集合
研究论文

利用基于适配器的细分对象精细调整模型增强农业疾病细分:农业疾病细分中的适配器精细调整

出版:2024年5月23日出版历史

摘要

最近,Segment Anything Model(SAM)在众多可视化基准测试中表现出了卓越的性能。它是一个非常有影响力的基础视觉模型,能够通过各个领域的零快照方法获得出色的分割结果。然而,研究表明,SAM并非在所有领域都表现异常。值得注意的是,它在农业中分割作物病虫害方面的表现一直很差。为了解决这一不足,我们引入了一种专门的农业微调方法,称为SAM-Adapter。该方法通过结合SAM的通用框架嵌入领域特定知识来增强SAM模型在农业检测中的性能。我们在BRACOT和PEST数据集上进行的实验表明,SAM-A适配器有效地提高了SAM在农业应用中的性能。

工具书类

  1. Brown T、Mann B、Ryder N、Subbiah M、Kaplan、J D、Dhariwal P、Neelakantan A、Shyam P、Sastry G、Askell,A.2020年。语言模型是少数快速学习者。高级神经信息处理。系统。33: 1877–1901.谷歌学者谷歌学者
  2. 开放人工智能。2023.GPT-4技术报告。arXiv预打印arXiv:2303.08774。谷歌学者谷歌学者
  3. Kirillov A、Mintun E、Ravi N、Mao H、Rolland C、Gustafson L、Xiao T、Whitehead S、Berg A C、Lo、W.Y.2023年。分段任何内容。arXiv预打印arXiv:2304.02643。谷歌学者谷歌学者
  4. Alexey Dosovitskiy、Lucas Beyer、Alexander Kolesnikov、Dirk Weissenborn、Xiaohua Zhai、Thomas Unterthiner、Mostafa Deghani、Matthias Minderer、Georg Heigold、Sylvain Gelly。2020年。一幅图像相当于16x16个单词:用于大规模图像识别的变形金刚。arXiv预印arXiv:2010.119292020。谷歌学者谷歌学者
  5. Ma J和Wang B.2023。分割医学图像中的任何内容。arXiv预打印arXiv:2304.12306。谷歌学者谷歌学者
  6. 程德,秦,Z,蒋Z,张S,老Q,李K.2023。Sam谈医学图像:对三种提示模式的综合研究。arXiv预打印arXiv:2305.00035。谷歌学者谷歌学者
  7. Hu,E J,Shen Y,Wallis P,Allen Zhu,Z Li Y,Wan,S,Wang L,Chen W.2021年。LoRA:大型语言的低水平适应。arXiv预打印arXiv:2106.09685。谷歌学者谷歌学者
  8. 张建新,杨国宏2020。具有过程故障的不确定欧拉系统的自适应模糊容错控制。IEEE传输。模糊系统,28:2619-2630。谷歌学者谷歌学者交叉引用交叉引用
  9. Zhang J X,Yang G H.2018年。具有规定性能的不确定非线性系统的模糊自适应输出反馈控制。IEEE传输。赛博。48:1342–1354.谷歌学者谷歌学者交叉引用交叉引用
  10. Neil Houlsby、Andrei Giurgiu、Stanislaw Jastrzebski、Bruna Morrone、Quentin De Laroussilhe、Andrea Gesmundo、Mona Attariyan和Sylvain Gelly。2019.自然语言处理的参数高效迁移学习。在机器学习国际会议上,PMLR,2790-2799。谷歌学者谷歌学者
  11. Tassis L M,Tozzi de Souza J E,Krohling R A.2021,一种结合实例和语义分割的深度学习方法,用于从现场图像中识别咖啡叶的病虫害。计算。电子。农业。186:106191.谷歌学者谷歌学者交叉引用交叉引用
  12. Li Y、Wang H、Dang L M、Sadeghi-Niaraki A、Moon H.2020。利用卷积神经网络识别自然场景中的作物害虫。计算。电子。农业。169: 105174.谷歌学者谷歌学者数字图书馆数字图书馆
  13. 陈天润、朱兰云、丁朝涛、曹润龙、王艳、张尚战、李泽健、孙凌云、毛爸爸、藏英。2023.SAM-adapter:在表现不佳的场景中调整SAM。IEEE/CVF国际计算机视觉会议记录第3367-3375页。谷歌学者谷歌学者
  14. 刘伟煌、西申、赤曼坪和小洞村。2023.低层结构分段的明确视觉提示。arXiv预打印arXiv:2303.10883。谷歌学者谷歌学者
  15. 丹·亨德里克斯和凯文·金佩尔。2016.高斯误差线性单位(gelus)。arXiv预打印arXiv:1606.08415。谷歌学者谷歌学者

索引术语

  1. 利用基于适配器的细分对象精细调整模型增强农业疾病细分:农业疾病细分中的适配器精细调整

    建议

    评论

    登录选项

    请检查您是否可以通过登录凭据或您的机构访问此文章以获得完全访问权限。

    登录

    完全访问权限

    • 发布于

      封面图片ACM其他会议
      ICAICE’23:第四届人工智能与计算机工程国际会议论文集
      2023年11月
      1263页
      国际标准图书编号:9798400708831
      内政部:10.1145/3652628

      版权所有©2023 ACM

      如果复制品不是为了盈利或商业利益而制作或分发的,并且复制品的第一页载有本通知和完整引文,则允许免费制作本作品的全部或部分数字或硬拷贝以供个人或课堂使用。必须尊重作者以外的其他人对本作品组成部分的版权。允许用信用证进行摘要。要以其他方式复制或重新发布,在服务器上发布或重新发布到列表,需要事先获得特定许可和/或付费。从请求权限[电子邮件保护].

      出版商

      计算机协会

      美国纽约州纽约市

      出版历史

      • 出版:2024年5月23日

      权限

      请求有关此文章的权限。

      请求权限

      检查更新

      限定符

      • 研究论文
      • 研究
      • 推荐有限公司
    • 文章指标

      • 下载次数(过去12个月)
      • 下载次数(最近6周)

      其他指标

    PDF格式

    以PDF文件查看或下载。

    PDF格式

    电子阅读器

    使用eReader在线查看。

    电子阅读器

    HTML格式

    以HTML格式查看本文。

    查看HTML格式