视觉目标检测
围绕植物病害、田间复杂背景与遮挡场景,探索更可靠的视觉识别与定位方法。
Object Detection · Plant Disease让模型不仅在标准数据集上表现良好,也能够应对真实世界的变化。
围绕植物病害、田间复杂背景与遮挡场景,探索更可靠的视觉识别与定位方法。
Object Detection · Plant Disease关注天气、光照、成像风格等分布变化,分析模型从训练环境走向真实环境时的性能退化。
Distribution Shift · Domain Generalization研究在没有目标域标签的情况下如何适应新环境,以及模型更新究竟何时有益、何时有害。
Test-Time Adaptation · Reliability研究不只是一张成绩表,也是提出问题、设计实验和不断修正判断的过程。
DIFFUSION · ROBUST OBJECT DETECTION
Diffusion-Driven Input Remapping for Robust Plant Disease Object Detection under Distribution Shifts
面对跨域分布偏移,从输入端进行扩散驱动重映射,在冻结检测器参数的设定下,探索植物病害目标检测的鲁棒性提升。
AGRICULTURAL VISION · OCCLUSION
针对遮挡、复杂背景与跨场景变化,研究农业视觉检测方法及其泛化表现。相关研究经历了多轮期刊投稿与调整。
TEST-TIME ADAPTATION · UPDATE ANALYSIS
从实验视角分析测试时更新的收益与风险,比较不同环境退化和连续变化下的模型表现,区分有益、有害与不确定更新。
韩国釜山 · 东西大学
Department of Computer Engineering
Graduate Study中国潍坊 · 潍坊科技学院
Education论文条目可以在后台维护。点击 DOI 可访问出版商页面,最终书目信息以出版商为准。
DOI: 10.1016/j.compag.2026.112429查看论文 ↗ORCID 记录标注 2027-01,为期刊卷期日期;不代表文章尚未上线。
DOI: 10.3389/fpls.2026.1808419查看论文 ↗DOI: 10.3389/FPLS.2025.1704663查看论文 ↗DOI: 10.1186/S13007-025-01371-Y查看论文 ↗DOI: 10.3389/FPLS.2025.1599671查看论文 ↗DOI: 10.1016/j.eswa.2025.127324查看论文 ↗DOI: 10.1186/S12870-024-05797-9查看论文 ↗