Fugu-MT 論文翻訳(概要): An Edge Computing-Based Solution for Real-Time Leaf Disease Classification using Thermal Imaging

論文の概要: An Edge Computing-Based Solution for Real-Time Leaf Disease Classification using Thermal Imaging

arxiv url: http://arxiv.org/abs/2411.03835v1
Date: Wed, 06 Nov 2024 11:14:49 GMT
ステータス: 翻訳完了
システム内更新日: 2024-11-07 19:23:23.390136
Title: An Edge Computing-Based Solution for Real-Time Leaf Disease Classification using Thermal Imaging
Title（参考訳）: 熱画像を用いたリアルタイムリーフ病分類のためのエッジコンピューティングによる解法
Authors: Públio Elon Correa da Silva, Jurandy Almeida,
Abstract要約: 植物病分類のための熱画像データセットを提案し,Raspberry Pi 4Bのような資源制約のあるデバイス上でのディープラーニングモデルを評価する。プルーニングと量子化対応トレーニングを使用することで、これらのモデルはEdge TPU Max for VGG16で最大1.48倍、Intel NCS2 for MobileNetV1で最大2.13倍高速となる。
参考スコア（独自算出の注目度）: 0.8192907805418583
License:
Abstract: Deep learning (DL) technologies can transform agriculture by improving crop health monitoring and management, thus improving food safety. In this paper, we explore the potential of edge computing for real-time classification of leaf diseases using thermal imaging. We present a thermal image dataset for plant disease classification and evaluate deep learning models, including InceptionV3, MobileNetV1, MobileNetV2, and VGG-16, on resource-constrained devices like the Raspberry Pi 4B. Using pruning and quantization-aware training, these models achieve inference times up to 1.48x faster on Edge TPU Max for VGG16, and up to 2.13x faster with precision reduction on Intel NCS2 for MobileNetV1, compared to high-end GPUs like the RTX 3090, while maintaining state-of-the-art accuracy.
Abstract（参考訳）: 深層学習(DL)技術は、作物の健康モニタリングと管理を改善し、食品の安全性を向上させることで農業を変革することができる。本稿では,葉病のリアルタイム分類のためのエッジコンピューティングの可能性について,熱画像を用いた検討を行った。 InceptionV3, MobileNetV1, MobileNetV2, VGG-16 など, Raspberry Pi 4B などの資源制約されたデバイス上で, 植物病の分類と深層学習モデルの評価を行う。プルーニングと量子化対応トレーニングを使用することで、これらのモデルはEdge TPU Max for VGG16で最大1.48倍、Intel NCS2 for MobileNetV1で最大2.13倍高速となる。

関連論文リスト

Let Video Teaches You More: Video-to-Image Knowledge Distillation using DEtection TRansformer for Medical Video Lesion Detection [91.97935118185]
医用ビデオ病変検出のための画像間知識蒸留法を提案する。複数フレームのコンテキストを単一のフレームに蒸留することにより、ビデオベースモデルから時間的コンテキストを利用する利点と、画像ベースモデルの推論速度を組み合わせたV2I-DETRを提案する。 V2I-DETRは、画像ベースモデルとしてリアルタイム推論速度(30FPS)を達成しつつ、従来の最先端手法を大きなマージンで上回る。
論文参考訳（メタデータ） (2024-08-26T07:17:05Z)
Quasar-ViT: Hardware-Oriented Quantization-Aware Architecture Search for Vision Transformers [56.37495946212932]
視覚変換器(ViT)は、畳み込みニューラルネットワーク(CNN)と比較して、コンピュータビジョンタスクにおいて優れた精度を示す。ハードウェア指向の量子化対応アーキテクチャ検索フレームワークであるQuasar-ViTを提案する。
論文参考訳（メタデータ） (2024-07-25T16:35:46Z)
Energy efficiency in Edge TPU vs. embedded GPU for computer-aided medical imaging segmentation and classification [0.9728436272434581]
眼底画像に基づく緑内障の診断を例として, 組込み基板上でリアルタイムでセグメンテーションと分類を行う可能性を示す。組み込みアクセラレーションシステム(EAS)のメモリ制限と低処理能力は、ディープネットワークベースのシステムトレーニングでの使用を制限する。機械学習(ML)アクセラレーターを搭載した2つのEASの時間とエネルギー特性を評価し,前報で開発した例診断ツールを実行する。
論文参考訳（メタデータ） (2023-11-20T09:38:56Z)
A Light-weight Deep Learning Model for Remote Sensing Image Classification [70.66164876551674]
リモートセンシング画像分類(RSIC)のための高性能で軽量なディープラーニングモデルを提案する。 NWPU-RESISC45ベンチマークで広範な実験を行うことで、提案した教師学生モデルは最先端システムより優れている。
論文参考訳（メタデータ） (2023-02-25T09:02:01Z)
Designing an Improved Deep Learning-based Model for COVID-19 Recognition in Chest X-ray Images: A Knowledge Distillation Approach [0.0]
本研究では,VGG19とResNet50V2という2つのニューラルネットワークを用いて,データセットの特徴抽出を改善する。 MobileNetV2はセマンティック機能を抽出し、モバイルと組み込みデバイスで最小限の計算を必要とする。
論文参考訳（メタデータ） (2023-01-06T22:31:05Z)
Delving into Masked Autoencoders for Multi-Label Thorax Disease Classification [16.635426201975587]
ビジョントランスフォーマー (ViT) は、データハングリーの性質と注釈付き医療データの欠如により、医療タスクにおける畳み込みニューラルネットワーク (CNN) に劣る性能を示した。本稿では,266,340個の胸部X線をMasked Autoencoders (MAE) で事前トレーニングし,各画像の小さな部分から失明画素を再構成する。以上の結果から,VTは多ラベル胸部疾患分類のための最先端CNN (DenseNet-121) と相容れない(時折良い)ことが示唆された。
論文参考訳（メタデータ） (2022-10-23T20:14:57Z)
GLEAM: Greedy Learning for Large-Scale Accelerated MRI Reconstruction [50.248694764703714]
アンロールされたニューラルネットワークは、最近最先端の加速MRI再構成を達成した。これらのネットワークは、物理ベースの一貫性とニューラルネットワークベースの正規化を交互に組み合わせることで、反復最適化アルゴリズムをアンロールする。我々は,高次元画像設定のための効率的なトレーニング戦略である加速度MRI再構成のためのグレディ・ラーニングを提案する。
論文参考訳（メタデータ） (2022-07-18T06:01:29Z)
Facilitated machine learning for image-based fruit quality assessment in developing countries [68.8204255655161]
自動画像分類は食品科学における教師あり機械学習の一般的な課題である。事前学習型視覚変換器(ViT)に基づく代替手法を提案する。標準的なデバイス上で限られたリソースで簡単に実装できる。
論文参考訳（メタデータ） (2022-07-10T19:52:20Z)
Evaluation of Thermal Imaging on Embedded GPU Platforms for Application in Vehicular Assistance Systems [0.5156484100374058]
本研究は、スマートで安全な車両用サーマルオブジェクト検出のリアルタイム性能を評価することに焦点を当てた。 35,000以上の異なるフレームからなる新しい大規模熱データセットを取得する。トレーニングネットワークの有効性は、様々な定量的指標を用いて、広範なテストデータに基づいて検証される。
論文参考訳（メタデータ） (2022-01-05T15:36:25Z)
Less is More: Lighter and Faster Deep Neural Architecture for Tomato Leaf Disease Classification [0.36700088931938835]
本研究は,トマト葉の病原体を検出するための,手軽な伝達学習に基づくアプローチを提案する。効果的な前処理手法を用いて、照度補正による葉画像の高精細化を行い、分類を改良する。提案アーキテクチャは99.30%の精度でモデルサイズ9.60MBと4.87M浮動小数点演算を実現している。
論文参考訳（メタデータ） (2021-09-06T12:14:02Z)
RT3D: Achieving Real-Time Execution of 3D Convolutional Neural Networks on Mobile Devices [57.877112704841366]
本稿では3次元CNNのためのモデル圧縮およびモバイルアクセラレーションフレームワークRT3Dを提案する。 3D CNNのリアルタイム実行は、市販のモバイル上で初めて実現された。
論文参考訳（メタデータ） (2020-07-20T02:05:32Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。