Компьютерные науки > Комплектное видение и распознавание моделей [представлено 16 сентября 2026 года] Название: MCLC-NET: Multild Continual Leaf Counting View PDF HTML (экспериментальное) Резюме: Подсчёт листьев является важной задачей в области финотификации растений для мониторинга роста растений и оценки урожайности. Большинство существующих методов основаны на изображениях RGB, однако их эффективность часто зависит от заклинания, вариаций освещения и других реальных проблем. Полезную дополнительную информацию можно получить в рамках таких дополнительных механизмов, как глубина и тепловые изображения. Вместе с тем по-прежнему недостаточно изучен вопрос о смешанном подсчете листьев. Кроме того, многие существующие методы предполагают наличие всех данных о профессиональной подготовке одновременно, что непрактично в реальных условиях сельского хозяйства, где данные со временем собираются из различных источников. Для решения этих проблем мы предлагаем МЦСТ-НЕТ - мультимодальную систему непрерывного обучения для подсчета листьев. Он изучает задачи последовательно, используя стратегию на основе памяти с буфером памяти для сохранения важных образцов от предыдущих задач. Мы также введем MMLC, набор данных о мультимодальном учете листьев в реальном мире, разработанный для поэтапного сценария домена (DIS) в CL. Он содержит RGB, глубину и тепловые изображения, собранные в различных видах культур при разных экологических условиях, которые сгруппированы по трем заказам: с учетом…
MCLC-NET: непрерывное смешанное обучение для учета листьев
arXiv:2609.181292v1 Annualection Type: rectraview: Liaf Counting является важной задачей в области финотификации растений для мониторинга роста растений и оценки урожайности. Большинство существующих методов основаны на изображениях RGB, однако их эффективность часто зависит от заклинания, вариаций освещения и других реальных проблем. Полезную дополнительную информацию можно получить в рамках таких дополнительных механизмов, как глубина и тепловые изображения. Вместе с тем по-прежнему недостаточно изучен вопрос о смешанном подсчете листьев. Кроме того, многие существующие методы предполагают наличие всех данных о профессиональной подготовке одновременно, что непрактично в реальных условиях сельского хозяйства, где данные со временем собираются из различных источников. Для решения этих проблем мы предлагаем МЦСТ-НЕТ - мультимодальную систему непрерывного обучения для подсчета листьев. Он изучает задачи последовательно, используя стратегию на основе памяти с буфером памяти для сохранения важных образцов от предыдущих задач. Мы также введем MMLC, набор данных о мультимодальном учете листьев в реальном мире, предназначенный для домена