論文の概要: What Input Resolution Is Required for Bird Species Identification, and What Is Its Latency Cost on an Edge Device? A Study of 14 Input Resolutions and Six Architectures with On-Device Measurements

• arxiv url: http://arxiv.org/abs/2609.14247v1
• Date: Sun, 13 Sep 2026 02:52:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-16 07:15:05.770689
• Title: What Input Resolution Is Required for Bird Species Identification, and What Is Its Latency Cost on an Edge Device? A Study of 14 Input Resolutions and Six Architectures with On-Device Measurements
• Title（参考訳）: 鳥類の種識別に要求される入力分解能とエッジデバイスにおける遅延コストについて : オンデバイス計測による14の入力分解能と6つのアーキテクチャの検討
• Abstract要約: 風力発電所における鳥害の軽減には、数万ピクセルにしか及ばない遠方の鳥を識別する必要がある。 14側長さのN(16～224),6つのアーキテクチャ,2つのトレーニング・評価体制,30個のランダムシードを用いて検討した。
• 参考スコア（独自算出の注目度）: 0.060917028769172786
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Bird-strike mitigation at wind farms requires identifying distant birds that span only tens of pixels, so the classifier's input resolution N is a design variable, not a fixed specification. We study it with a factorial design over 14 side lengths N (16 to 224), six architectures, two training and evaluation regimes and 30 random seeds -- 2,520 checkpoints and 5,040 evaluations -- plus latency measured on an NVIDIA Jetson Orin Nano. Four results. (1) The selected N depends on the target: 0.90 is met on validation by ResNet50 at N=112 in an estimated 1.85 ms (0.8980 on test) and 0.95 by DINOv2-L at N=144 in 12.70 ms; changing the model buys more accuracy than raising N (+5.93 versus +2.33 points at N=112). (2) The benefit of lowering N depends on the assumed preprocessing path: N=224 -> 80 saves 13.5% when each individual is decoded from its own file but 46.2% when the detector decodes the 4K frame once; the Pareto set grows from 20 to 23 configurations. (3) Accuracy must be measured on the deployed engine: half precision costs ViT-S/16 alone 4 to 7 points at N>=96 while the CNNs stay within 0.1 points, and with selection held at validation the choice differs at 26 of 176 targets. A broken FP16 engine can run faster than a correct one, undetectable from latency; admitting 14 ViT-S/16 FP32 configurations moves the recommendation over the 0.931-0.938 band and under the 10 ms budget. (4) ViT-L-scale models fit this device, but activations exceed the FP16 range; splitting the graph at transformer-block boundaries confines FP32 to the affected segments, making the deployed DINOv2-L chain 1.85x faster than the single-engine build. We also quantify how the regime-difference sign stabilises with seed count; a sensitivity split removing some forms of group sharing preserves all 14 non-trivial signs at the selection boundary.
• Abstract（参考訳）: ウィンドファームにおけるバードストライク緩和は、数十ピクセルにしか及ばない遠方の鳥を識別する必要があるため、分類器の入力解像度 N は、固定仕様ではなく設計変数である。 14側の長さのN(16～224)、アーキテクチャ6、トレーニングと評価体制2、ランダムシード30、チェックポイント2,520、評価5,040、およびNVIDIA Jetson Orin Nanoで測定されたレイテンシで検討した。 4つの結果。 1)選択されたNは、ターゲットによって異なる: 0.90 は N=112 で ResNet50 が1.85 ms (0.8980) で、0.95 は N=144 で DINOv2-L が12.70 ms で、モデルの変更は N (+5.93 対 +2.33 対 N=112) で N を上げるよりも精度が高い。 N=224 -> 80 は各個人が自身のファイルからデコードされた時に 13.5% を節約するが、検出器が4Kフレームを一度デコードしたとき 46.2% を節約する。 3) 半精度コスト ViT-S/16 単独では N>=96 で 4 から 7 点であり,CNN は0.1 点以内であり,検証時に選択される選択は176 点中26 点で異なる。 14のViT-S/16 FP32構成が0.931-0.938帯と10msの予算で推奨を移動させることを認めている。 (4) ViT-Lスケールモデルがこの装置に適合するが、アクティベーションはFP16の範囲を超え、トランスフォーマーブロック境界でグラフを分割すると、FP32が影響を受けるセグメントに閉じ込められ、デプロイされたDINOv2-Lチェーンはシングルエンジンビルドよりも1.85倍高速になる。 選択境界における14の非自明な記号を全て保存するグループ共有のいくつかの形態を取り除いた感度分割により、レギュラー差符号が種子数と安定するかを定量化する。

関連論文リスト

• Towards Practical Precision Agriculture: Real-Time Fruit Detection and Video Analytics on Embedded Edge Hardware [0.815557531820863]
  本研究では,NVIDIA Jetson Orin Super上で実時間果物の検出,追跡,計数を行うためのエンドツーエンドフレームワークを提案する。 軽量のYOLO26s検出器は、リンゴ、マンゴー、ブルーベリー、イチゴを表す4つの公開データセットで独立に訓練されている。 APPLE MOTSは、果肉の恒常性を持った果樹配列を提供するため、時間的ビデオ解析に使用される。
  論文  参考訳（メタデータ） (2026-09-11T21:32:02Z)
• Low Cost Two-Stage Fabric Defect Detection at the Edge [0.0]
  衣料品産業におけるファブリック検査は主に手作業で行われており、3.45と商業用ヴィジュアルシステムは、ほとんどの中小製粉所以上の価格で販売されている。 4つのニットファブリック欠陥クラスのためにそのようなカスケードを構築し、FP16でNVIDIA Jetson Nano上でエンドツーエンドにデプロイする。 データパスを制御せずにカスケードのスピードアップを計測し、自律的な受け入れよりもAIによるトリアージとして位置付ける。
  論文  参考訳（メタデータ） (2026-08-12T19:49:00Z)
• Bimanual Manipulation Within an 8 GB Budget: Zero-Copy Sensing and Quantized ACT on an Entry-Level Jetson [35.18016233072556]
  NVIDIA Jetson Orin Nano Super (8GB) で完全に動作する2次元SO-101システムを提案する。 我々は、NVMMバッファによってバックアップされたGStreamerキャプチャパイプラインを構築し、3つのカメラセンシングから冗長なホストデバイスコピーを取り除く。 我々は、ACTと拡散政策を同一のデモンストレーションで訓練し、それぞれが独自の基準予算で実施する。
  論文  参考訳（メタデータ） (2026-08-04T17:09:41Z)
• DepthART: Scaling Foundation Monocular Depth to Tiny Models [51.10174763031444]
  DepthARTは、様々なシーンにまたがるデバイス上のデプロイメントのためのコンパクトなMDEモデルである。 ゼロショット一般化とメートル法精度の両方において、DepthARTが従来の小さなベースラインを一貫して上回っていることを示す。 また、GTX A6000で347/245 FPS (strict FP32)、Orin NX 8GBで2242/4482ドル、102 FPS (TF32)、Jetson Nano 4GBで15 FPS (FP32) に達したスケーラブルなモデルファミリも提供しています。
  論文  参考訳（メタデータ） (2026-07-19T06:54:52Z)
• Distributional Energy-Based Models for Uncertainty-Aware Structured LLM Reasoning [40.342912574072024]
  大規模言語モデルは、旅行計画やコードソリューションのような構造化されたアウトプットを生成する。 個々の推論ステップは正しく見えるが、アウトプット全体が予算に違反したり、テストケースに失敗したり、あるいは以前の推論に矛盾することがある。 構造化LCM出力の検証のための決定論的解析制約付き学習品質スコアラを提案する。
  論文  参考訳（メタデータ） (2026-05-15T17:08:27Z)
• EULER-ADAS: Energy-Efficient & SIMD-Unified Logarithmic-Posit Engine for Precision-Reconfigurable Approximate ADAS Acceleration [0.12314765641075437]
  EULER-ADASは、エネルギー効率と信頼性を意識したADASアクセラレーションのためのSIMD対応の対数有界型ニューラルネットワークエンジンである。 提案したデータパスは,有界正規化ポジット表現,段階適応対数マンティサ乗算とビットトランケーション,SIMD共有クイア蓄積経路を組み合わせたものである。 FPGAの実装により、提案された構成により、LUT数を41.4%、遅延を76.1%、パワーを71.9%削減できる。
  論文  参考訳（メタデータ） (2026-05-07T19:20:10Z)
• EdgeSpike: Spiking Neural Networks for Low-Power Autonomous Sensing in Edge IoT Architectures [0.0]
  EdgeSpikeは、エッジモノのインターネット(IoT)アーキテクチャにおける自律的低電力センシングのための、共同設計のスパイクニューラルネットワーク(SNN)フレームワークである。 ハイブリッドなサロゲートグレートとダイレクトエンコーディングのトレーニングパイプライン、ハードウェア対応のニューラルアーキテクチャサーチ、イベント駆動ランタイムを統一する。 強力なINT8畳み込みニューラルネットワーク(CNN)ベースラインの1.2ポイント(pp)以内の平均分類精度は91.4%である。
  論文  参考訳（メタデータ） (2026-04-29T05:15:28Z)
• GPU-Accelerated Optimization of Transformer-Based Neural Networks for Real-Time Inference [0.0]
  本稿では,混合精度最適化を用いたNVIDIARTを用いた変圧器モデルのためのGPU加速型推論パイプラインの設計と評価を行う。 このシステムはCPUベースラインの64.4倍のスピードアップ、シングルサンプル推論の10ms以下のレイテンシ、メモリ使用量の63%削減を実現している。
  論文  参考訳（メタデータ） (2026-03-30T17:27:33Z)
• Benchmarking IoT Time-Series AD with Event-Level Augmentations [34.864214444544565]
  実世界の問題をシミュレートする統合されたイベントレベル拡張による評価プロトコルを提案する。 5つの公開異常データセット上で14の代表的なモデルを評価する。
  論文  参考訳（メタデータ） (2026-02-17T09:45:44Z)
• Speeding Up MACE: Low-Precision Tricks for Equivarient Force Fields [51.95157731126864]
  機械学習力場は高い計算コストで正確な分子動力学(MD)を提供することができる。 この論文は、計算ボトルネックを特定し、低精度の実行ポリシーを評価することで、MACEを安価かつ高速にすることを目的としている。
  論文  参考訳（メタデータ） (2025-10-23T14:02:34Z)
• An Efficient Ground-aerial Transportation System for Pest Control Enabled by AI-based Autonomous Nano-UAVs [45.07031440932014]
  我々は、害虫検出のための小さな画像ベースの畳み込みニューラルネットワーク(CNN)を設計し、微調整し、最適化する。 我々のCNNは6.8フレーム/秒でリアルタイムに動作し、クレイジーフリーナノUAVに搭載されたGWT GAP9 System-on-Chip上で33mWが必要になります。 このシナリオでは、検査と治療の両方を行う従来の単座車両と比較して、効率的な輸送システムは最大20時間作業時間を節約できる。
  論文  参考訳（メタデータ） (2025-02-20T11:14:55Z)
• Ultra-low Power Deep Learning-based Monocular Relative Localization Onboard Nano-quadrotors [64.68349896377629]
  この研究は、2つのピアナノドロンのディープニューラルネットワーク(DNN)を介して、単分子の相対的な局所化に対処する、新しい自律的なエンドツーエンドシステムを示す。 超制約ナノドローンプラットフォームに対処するため,データセットの増大,量子化,システム最適化などを含む垂直統合フレームワークを提案する。 実験の結果,DNNは低分解能モノクローム画像のみを用いて最大2mの距離で10cmのターゲットナノドローンを正確に局在させることができることがわかった。
  論文  参考訳（メタデータ） (2023-03-03T14:14:08Z)
• CoDeNet: Efficient Deployment of Input-Adaptive Object Detection on Embedded FPGAs [41.43273142203345]
  FPGAの柔軟性を利用して、変形可能な畳み込みを伴う新しいオブジェクト検出パイプラインを開発する。 高効率実装では、ソリューションは毎秒26.9フレームに達し、小さなモデルサイズは0.76MBである。 我々のモデルはPascal VOCで67.1 AP50に達し、パラメータは20.9倍小さいがTiny-YOLOより10%正確である。
  論文  参考訳（メタデータ） (2020-06-12T17:56:47Z)

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。