知識蒸留による省エネルギー型プラントモニタリング
arXiv cs.CV / 2026/5/1
📰 ニュースIdeas & Deep AnalysisModels & Research
要点
- 本論文は、モバイルやエッジ端末のような資源制約のある環境で、植物の種や病害の認識に用いられる大規模な視覚モデルが計算コスト面で重いという課題に取り組む。
- 大規模な事前学習モデルの表現力を、より小さく効率的なアーキテクチャへ移す手法として知識蒸留を検討する。
- 実験では、ConvNeXt系2モデルと視覚トランスフォーマ2モデルの計4系統を対象に、スクラッチ学習／事前学習初期化、蒸留あり／なしといった複数の学習条件で評価する。
- 2つの難易度の高いベンチマーク（Pl@ntNet300K-v2、Deep-Plant-Disease）で、知識蒸留がタスクやモデル構成を通じて一貫して性能を押し上げることを示す。
- 蒸留したモデルは、より大きなモデルと同等の性能をより低い計算コストで実現でき、環境アプリケーションでの植物認識システムの実用的な展開に資する可能性を示唆する。
