热点事件持续更新

轻量CNN在马铃薯叶片病害分类上达90.28%田间准确率

1 篇报道1 个报道来源6 小时前更新

先了解这件事

AI 综述

一项研究提出轻量卷积神经网络，将马铃薯叶片分为健康、早疫病和晚疫病三类。该模型在PlantVillage数据集上测试准确率为98.66%，在埃塞俄比亚Banja采集的247张独立田间图像上准确率为90.28%。该模型含446,787个可训练参数、体积约1.70 MB，每轮训练平均耗时5.58秒，快于VGG16的9.96秒和MobileNetV2的7.68秒。

AI 根据报道生成 · 2 小时前更新

最新进展10月15日 12:00

轻量 CNN 检测马铃薯叶片病害：在埃塞俄比亚田间数据集上达 90.28% 准确率

报道时间线

沿着报道，了解事件的不同侧面。

10月15日

12:00
arXiv cs.LG
轻量 CNN 检测马铃薯叶片病害：在埃塞俄比亚田间数据集上达 90.28% 准确率
一项研究提出轻量卷积神经网络，将马铃薯叶片分为健康、早疫病和晚疫病三类，在 PlantVillage 数据集上测试准确率达 98.66%，在埃塞俄比亚 Banja 采集的 247 张独立田间图像上准确率为 90.28%。该模型含 446,787 个可训练参数、体积约 1.70 MB，每轮训练平均耗时 5.58 秒，优于 VGG16 的 9.96 秒和 MobileNetV2 的 7.68 秒。

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。