#图像分类

一篇很实在的医学影像实测：EfficientNet不是越大越好，B1就比B7强，做OCT分类选模型前可以先看看这份对比。

单像素成像的新玩法：直接为分类学测量模式，8 次测量顶固定变换 32 次，X 光探伤场景挺实用。

有人把 2021 年那篇用纯噪声补少数类样本的论文复现了一遍，四个结论全复现成功，还发现它和加大网络的效果是互补的，做分类不平衡数据可以参考。

这篇论文用进化算法自动搜索量子电路结构，在 CIFAR-10 上参数比 10 层 CNN 少 25 倍还保持精度，做量子机器学习的可以看看编码选择的结论。

这篇论文搞了个ARMDIL，用MLLM当路由器给图像挑合适的视觉模型，效果不输专门训练的，还能改提示词加新数据。

这篇论文提出了AutoBackSwap，只用几百张图片的标注就能让模型不依赖背景，效果比之前的方法都好，做图像分类的值得一看。

这篇论文发现直接用余弦相似度搞局部共形预测效果一般，但换个非线性变换后，预测集变小了，值得做VLM不确定性量化的看看。

这篇论文用Oppenheim-Lim实验方法测试了多个模型（ViT、CNN）的内部表示，发现相位才是关键，还解释了为什么CNN和ViT对纹理和形状的偏好不同。

用GAP隐藏的空间证据诊断分类错误

98%准确率识别棉花叶病