Aprendizaje de representación bootstrap contrastivo para clasificación de imágenes agrícolas

Resumen del corpus

Se presenta el Aprendizaje de Representación Contrastivo Bootstrap (CBRL) para la clasificación de imágenes agrícolas, abordando el cuello de botella de la anotación experta. El método optimiza el aprendizaje contrastivo y la predicción de objetivo de promedio móvil exponencial en un espacio de proyección compartido. Los resultados muestran que CBRL logra el mayor F1 macro en los benchmarks principales, superando a las líneas base con escasez de etiquetas.

Periodista: Hazem Ahmed, Ali Hamdi, Ammar Mohammed

Personas mencionadas
Noticia original

Ver todas las noticias de arXiv Computer Science AI