論文の概要: A Wireless Collaborated Inference Acceleration Framework for Plant Disease Recognition

• arxiv url: http://arxiv.org/abs/2505.02877v1
• Date: Mon, 05 May 2025 03:17:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-07 18:50:11.057051
• Title: A Wireless Collaborated Inference Acceleration Framework for Plant Disease Recognition
• Title（参考訳）: 植物疾患認識のための無線協調推論高速化フレームワーク
• Authors: Hele Zhu, Xinyi Huang, Haojia Gao, Mengfei Jiang, Haohua Que, Lei Mu,
• Abstract要約: 植物病は農業生産に影響を及ぼす重要な要因である。 従来の手動認識手法は、低い精度、高いコスト、非効率など、重大な欠点に直面している。 深層学習技術は植物の病気を識別する上で大きな利点を示してきたが、推論遅延や高エネルギー消費といった課題に直面している。 本稿では,エッジデバイスとクラウドサーバ間の植物病を認識し,推論速度を向上させるための協調推論フレームワークを提案する。
• 参考スコア（独自算出の注目度）: 4.756264076680668
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Plant disease is a critical factor affecting agricultural production. Traditional manual recognition methods face significant drawbacks, including low accuracy, high costs, and inefficiency. Deep learning techniques have demonstrated significant benefits in identifying plant diseases, but they still face challenges such as inference delays and high energy consumption. Deep learning algorithms are difficult to run on resource-limited embedded devices. Offloading these models to cloud servers is confronted with the restriction of communication bandwidth, and all of these factors will influence the inference's efficiency. We propose a collaborative inference framework for recognizing plant diseases between edge devices and cloud servers to enhance inference speed. The DNN model for plant disease recognition is pruned through deep reinforcement learning to improve the inference speed and reduce energy consumption. Then the optimal split point is determined by a greedy strategy to achieve the best collaborated inference acceleration. Finally, the system for collaborative inference acceleration in plant disease recognition has been implemented using Gradio to facilitate friendly human-machine interaction. Experiments indicate that the proposed collaborative inference framework significantly increases inference speed while maintaining acceptable recognition accuracy, offering a novel solution for rapidly diagnosing and preventing plant diseases.
• Abstract（参考訳）: 植物病は農業生産に影響を及ぼす重要な要因である。 従来の手動認識手法は、低い精度、高いコスト、非効率など、重大な欠点に直面している。 深層学習技術は植物の病気を識別する上で大きな利点を示してきたが、推論遅延や高エネルギー消費といった課題に直面している。 ディープラーニングアルゴリズムは、リソース制限された組み込みデバイス上での動作が難しい。 これらのモデルをクラウドサーバにオフロードすることは、通信帯域幅の制限に直面し、これらすべての要因が推論の効率に影響を与える。 本稿では,エッジデバイスとクラウドサーバ間の植物病を認識し,推論速度を向上させるための協調推論フレームワークを提案する。 植物病の認識のためのDNNモデルは、推論速度を向上し、エネルギー消費を減らすために、深層強化学習を通じて刈り取られる。 そして、最適分割点を欲求戦略により決定し、最良の協調推論加速度を達成する。 最後に, 植物疾患認識における協調的推論促進システムについて, 親密な人間と機械の相互作用を促進するためにGradioを用いて実装した。 実験により, 提案手法は認識精度を維持しつつ, 予測速度を著しく向上させ, 植物病の迅速診断・予防のための新しいソリューションを提供することが示された。

関連論文リスト

• Communication-Efficient Federated Learning by Quantized Variance Reduction for Heterogeneous Wireless Edge Networks [55.467288506826755]
  フェデレーテッド・ラーニング(FL)は、無線エッジネットワークにおけるローカル・プライバシ・アウェア・コラボレーティブ・モデルトレーニングの有効なソリューションとして認識されている。 既存の通信効率の高いFLアルゴリズムは、デバイス間の大きなばらつきを低減できない。 本稿では,高度分散還元方式に依存する新しい通信効率FLアルゴリズムであるFedQVRを提案する。
  論文  参考訳（メタデータ） (2025-01-20T04:26:21Z)
• A Hybrid Technique for Plant Disease Identification and Localisation in Real-time [0.0]
  本稿では, 画像のQuad-Tree分解に基づく植物病の同定とローカライズのための新しい手法を提案する。 提案アルゴリズムは,比較的計算負荷の少ない高解像度画像の精度と高速収束を著しく向上する。
  論文  参考訳（メタデータ） (2024-12-27T15:20:45Z)
• Epidemiology-informed Network for Robust Rumor Detection [59.89351792706995]
  本稿では, 疫学知識を統合し, 性能を高めるための新しい疫学情報ネットワーク(EIN)を提案する。 疫学理論をうわさ検出に適応させるため,各利用者が情報源情報に対する姿勢を付加することが期待されている。 実験結果から,提案したEINは実世界のデータセット上で最先端の手法より優れるだけでなく,樹木の深度にまたがる堅牢性も向上することが示された。
  論文  参考訳（メタデータ） (2024-11-20T00:43:32Z)
• A Channel Attention-Driven Hybrid CNN Framework for Paddy Leaf Disease Detection [0.0]
  作物の損失を回避し、栽培を改善するため、農業において早期かつ正確な病原体同定が重要である。 チャネルアテンション機構とSwish ReLUアクティベーション機能を備えた新しいハイブリッドディープラーニング(DL)分類器を提案する。 我々のモデルは99.76%のF1スコアと99.74%の精度を達成し、既存のモデルの性能を上回った。
  論文  参考訳（メタデータ） (2024-07-16T14:17:26Z)
• Crop Disease Classification using Support Vector Machines with Green Chromatic Coordinate (GCC) and Attention based feature extraction for IoT based Smart Agricultural Applications [0.0]
  植物病は農業栽培中の葉に悪影響を及ぼし、作物の生産量と経済的価値に大きな損失をもたらす。 各種機械学習(ML)と深層学習(DL)アルゴリズムが開発され,植物病の検出のための研究が行われている。 本稿では、注意に基づく特徴抽出、RGBチャネルに基づく色分析、SVM(Support Vector Machines)による性能向上による事前作業に基づく新しい分類手法を提案する。
  論文  参考訳（メタデータ） (2023-11-01T10:44:49Z)
• Concept explainability for plant diseases classification [0.0]
  植物病は食料の安全と農業の持続可能性にとって重大な脅威である。 本研究では,概念活性化ベクトルを用いたテスト(TCAV)と呼ばれる手法を,画素からユーザ定義概念へ焦点を移す手法として展開する。 その結果, 概念に基づく説明手法は, 植物病の自動同定に有効であることが示唆された。
  論文  参考訳（メタデータ） (2023-09-15T19:57:50Z)
• Brain Imaging-to-Graph Generation using Adversarial Hierarchical Diffusion Models for MCI Causality Analysis [44.45598796591008]
  機能的磁気共鳴画像(fMRI)を軽度認知障害解析のための効果的な接続性にマッピングするために,脳画像から画像へのBIGG(Brain Imaging-to-graph generation)フレームワークを提案する。 発電機の階層変換器は、複数のスケールでノイズを推定するように設計されている。 ADNIデータセットの評価は,提案モデルの有効性と有効性を示す。
  論文  参考訳（メタデータ） (2023-05-18T06:54:56Z)
• Spectrum Breathing: Protecting Over-the-Air Federated Learning Against Interference [73.63024765499719]
  モバイルネットワークは、近隣のセルやジャマーからの干渉によって損なわれる可能性がある。 本稿では,帯域幅拡大を伴わない干渉を抑制するために,カスケード段階のプルーニングとスペクトル拡散を行うスペクトルブリーチングを提案する。 呼吸深度によって制御された勾配プルーニングと干渉誘発誤差の間には,性能的トレードオフが認められた。
  論文  参考訳（メタデータ） (2023-05-10T07:05:43Z)
• Rectified Meta-Learning from Noisy Labels for Robust Image-based Plant Disease Diagnosis [64.82680813427054]
  植物病は食料安全保障と作物生産に対する主要な脅威の1つである。 1つの一般的なアプローチは、葉画像分類タスクとしてこの問題を変換し、強力な畳み込みニューラルネットワーク(CNN)によって対処できる。 本稿では,正規化メタ学習モジュールを共通CNNパラダイムに組み込んだ新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2020-03-17T09:51:30Z)

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。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。