論文の概要: PDNet: Exploring Pruning and Distillation for Real-Time Worker Activity Recognition in Industrial Assembly

• arxiv url: http://arxiv.org/abs/2610.26491v1
• Date: Mon, 19 Oct 2026 14:31:09 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-10-20 22:43:36.369571
• Title: PDNet: Exploring Pruning and Distillation for Real-Time Worker Activity Recognition in Industrial Assembly
• Title（参考訳）: PDNet:産業会議におけるリアルタイム労働者活動認識のためのプランニングと蒸留の探索
• Abstract要約: 本稿では,3次元畳み込みネットワークのための構造化プルーニングと知識蒸留を利用した新しいフレームワークPDNetを紹介する。 PDNet内での蒸留は, プルーニングモデルの性能回復に極めて有効であることを示す。
• 参考スコア（独自算出の注目度）: 7.2462186877798755
• License:
• Abstract: In this work, we address real-time fine-grained human activity recognition (HAR) in industrial assembly and introduce PDNet, a new framework that jointly exploits structured pruning and knowledge distillation for 3D convolutional networks. We start by training a 3D-CNN backbone in a supervised manner. Then, PDNet applies channel-wise structured pruning to obtain a more compact network. In the third step, our method is optimized using knowledge distillation from the large unpruned teacher to recover accuracy lost due to pruning. On the challenging MECCANO dataset with an X3D-M backbone, the pruned model without distillation reaches a Top-1 accuracy of 25.54 %, while PDNet raises this to 39.46 %, with only 6.90 MB model size and 3.78 GFLOPs. These results show that distillation within PDNet is highly effective in restoring pruned model performance and highlight its high potential for resource-constrained HAR in industrial assembly.
• Abstract（参考訳）: 本研究では,3次元畳み込みネットワークにおける構造化プルーニングと知識蒸留を併用した新しいフレームワークPDNetを導入する。 まず3D-CNNのバックボーンを教師付きでトレーニングする。 そして、PDNetはよりコンパクトなネットワークを得るためにチャネルワイドなプルーニングを適用する。 第3のステップでは, 大規模未熟教師の知識蒸留を用いて, プルーニングにより失われる精度を回復する手法を最適化した。 X3D-Mのバックボーンを持つ挑戦的なMECCANOデータセットでは、蒸留されていないプルーニングされたモデルは、トップ1の精度が25.54 %に達し、PDNetはこれを39.46 %まで引き上げ、モデルサイズは6.90 MBと3.78 GFLOPsに留まった。 以上の結果から,PDNet内での蒸留はプルーニングモデルの性能回復に極めて有効であり,産業集積における資源拘束型HARの可能性を強調した。

関連論文リスト

• A Light Perspective for 3D Object Detection [46.23578780480946]
  本稿では,最先端のDeep Learning技術を特徴抽出に取り入れた新しい手法を提案する。 私たちのモデルであるNextBEVは、ResNet50やMobileNetV3といった既存の機能抽出ツールを超えています。 これらの軽量な提案を融合することにより、VoxelNetベースのモデルの精度を2.93%向上し、PointPillarベースのモデルのF1スコアを約20%改善しました。
  論文  参考訳（メタデータ） (2025-03-10T10:03:23Z)
• CF-PRNet: Coarse-to-Fine Prototype Refining Network for Point Cloud Completion and Reconstruction [38.2432367693335]
  本稿では,果実の正確な3次元形状を部分的視点から再構築する上での課題について述べる。 本稿では,粗大なプロトタイプ精錬ネットワークCF-PRNetを紹介する。 CF-PRNetは、チャンファー距離3.78、F1スコア66.76%、精度56.56%、リコール85.31%で優れたパフォーマンス指標を示す。
  論文  参考訳（メタデータ） (2024-09-13T00:20:10Z)
• Three Pillars improving Vision Foundation Model Distillation for Lidar [61.56521056618988]
  蒸留における3つの柱の効果について検討した。3Dバックボーン,2Dバックボーン,および事前学習データセットである。 ScaLRと呼ばれるスケーラブルな蒸留法により、2Dと3Dのバックボーンのスケーリングと多様なデータセットの事前トレーニングにより、機能品質が大幅に向上することを示した。
  論文  参考訳（メタデータ） (2023-10-26T15:54:43Z)
• Learning Lightweight Object Detectors via Multi-Teacher Progressive Distillation [56.053397775016755]
  本稿では,教師検出器の知識を学生に段階的に伝達する,知識蒸留への逐次的アプローチを提案する。 私たちの知識を最大限に活用するために、私たちはTransformerベースの教師検出器から、畳み込みベースの学生まで、初めて知識を抽出しました。
  論文  参考訳（メタデータ） (2023-08-17T17:17:08Z)
• EasyNet: An Easy Network for 3D Industrial Anomaly Detection [49.26348455493123]
  3D異常検出は、産業生産において、新しくて重要なコンピュータビジョンタスクである。 我々は,事前訓練されたモデルやメモリバンクを使わずに,容易に展開可能なネットワーク(EasyNet)を提案する。 実験の結果、EasyNetはトレーニング済みのモデルやメモリバンクを使わずに92.6%の異常検出AUROCを実現していることがわかった。
  論文  参考訳（メタデータ） (2023-07-26T02:46:50Z)
• Simple Training Strategies and Model Scaling for Object Detection [38.27709720726833]
  RetinaNetおよびRCNN検出器を用いたバニラResNet-FPNバックボーンのベンチマークを行った。 バニラ検出器は精度が7.7%向上し、速度は30%速くなった。 我々の最大のRCNN-RSモデルは、ResNet152-FPNバックボーンで52.9%AP、SpineNet143Lバックボーンで53.6%APを達成した。
  論文  参考訳（メタデータ） (2021-06-30T18:41:47Z)
• DisCo: Remedy Self-supervised Learning on Lightweight Models with Distilled Contrastive Learning [94.89221799550593]
  SSL(Self-supervised representation Learning)はコミュニティから広く注目を集めている。 最近の研究では、モデルサイズが小さくなれば、その性能は低下すると主張している。 単純かつ効果的な蒸留コントラスト学習(DisCo)を提案し、問題を大きなマージンで緩和します。
  論文  参考訳（メタデータ） (2021-04-19T08:22:52Z)
• Bottleneck Transformers for Visual Recognition [97.16013761605254]
  視覚タスクに自己注意を組み込んだ強力なバックボーンアーキテクチャであるBoTNetを提案する。 我々は、ImageNetベンチマークにおいて84.7%のトップ1の精度で高いパフォーマンスを達成するモデルを提案する。 私たちのシンプルで効果的なアプローチが、将来のビジョンのための自己注意モデル研究の強力なベースラインになることを期待しています。
  論文  参考訳（メタデータ） (2021-01-27T18:55:27Z)
• Towards Practical Lipreading with Distilled and Efficient Models [57.41253104365274]
  ニューラルネットワークの復活により、リリーディングは多くの進歩を目の当たりにした。 最近の研究は、最適なアーキテクチャを見つけるか、一般化を改善することで、パフォーマンスを改善するといった側面に重点を置いている。 現在の方法論と、実践的なシナリオにおける効果的なリップリーディングのデプロイ要件との間には、依然として大きなギャップがあります。 まず, LRW と LRW-1000 をそれぞれ 88.5% と 46.6% に比例して, 最先端の性能を高めることを提案する。
  論文  参考訳（メタデータ） (2020-07-13T16:56:27Z)
• Grafted network for person re-identification [14.372506245952383]
  畳み込みニューラルネットワークは、人物再同定(re-ID)において顕著な効果を示した 本稿では,高精度根茎と軽量シオンをグラフトした新しいグラフトネットワーク(GraftedNet)を提案する。 実験の結果、GraftedNetはランキング1で93.02%、85.3%、76.2%、mAPで81.6%、74.7%、71.6%を達成した。
  論文  参考訳（メタデータ） (2020-06-02T22:33:44Z)

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。