-
需提出申請 風格注入式循環生成對抗網路
更新頻率 瀏覽次數 下載次數為了解決植物病害辨識中的資料稀缺和類別不平衡問題,本團隊提出了一個端到端的合成與擴增流程。此流程的核心是一個新穎的風格注入循環一致生成對抗網路(SI-CycleGAN),搭配風格採樣器。這個組合能從極少數的真實樣本中提取並多樣化病害特徵,從健康葉片生成大量高品質的合成病害葉片影像。 -
需同意授權 水稻徵狀影像辨識模型
更新頻率 瀏覽次數 下載次數水稻徵狀影像辨識模型 水稻徵狀影像辨識模型主要用於辨識水稻病害、蟲害、營養障礙與其他等四大類別。使用者可於田間拍攝到水稻徵狀照片後,透過此模型作快速辨識。 AI模型訓練過程 團隊利用視覺注意力網路(Visual Attention... -
需同意授權 茶樹病害影像辨識模型
更新頻率 瀏覽次數 下載次數茶樹病害影像辨識模型 茶樹病害影像辨識模型可將田間拍照影像到的茶樹病害徵狀透過此模型作快速辨識。 AI模型訓練過程 團隊利用FastAI開發茶樹的病害影響辨識模型,並使用ResNet-34模型架構為基礎進行訓練,通過添加自定義的多標籤分類指標、學習率查找和微調技術來優化模型的訓練過程。...
