Swin 与 ViT 的层次化协同 ——中草药图像细粒度分类的动态融合框架

智研平台会员

登录机构账号

复制成功

设置

万方会员

暂未开通会员

开通即享超值福利、会员权益
优质内容推荐

立即开通

个人中心

我的智研

退出登录

简繁

搜索

DOI: 10.12361/2661-376X-07-05-171642

Swin 与 ViT 的层次化协同 ——中草药图像细粒度分类的动态融合框架

徐世倩, 曹昕怡, 何淳妍, 梁炜盈, 郎六琪, 林刚

珠海科技学院计算机学院

全文直达

引用

打印

摘要：精准识别中草药一直是中草药领域的一个挑战。尽管 CNN 和 ViT 等模型在植物识别中占主导地位，但它们在捕捉细节和结构方面存在不足，CNN 难以建模长距离依赖关系，而 ViT 因全局注意力机制计算复杂度且需要大量数据训练导致小规模数据分类受限。本文提出一种结合 Swin-Transformer 和 ViT-Transformer 的双分支融合模型，利用局部窗口注意力和全局自注意力的互补特性，并采用冻结 ViT 浅层参数的优化策略，有效降低计算成本。该模型旨在解决细粒度植物分类问题，为中草药识别提供高效模型。

关键词：

中草药图像识别；细粒度分类；Swin-Transformer 模型；ViT-Transformer 模型；特征融合

Universe Scientific Publishing

ISSN：2661-3751

年,卷(期)：2025,7(5)