AgriKD：効率的な葉の病害分類のためのクロスアーキテクチャ知識蒸留

arXiv cs.CV / 2026/5/5

📰 ニュースDeveloper Stack & InfrastructureTools & Practical UsageIndustry & Market MovesModels & Research

共有:

要点

AgriKDは、葉の病害分類をエッジ端末で行うために、Vision Transformer（ViT）教師モデルの知識を軽量な畳み込み（CNN）学生モデルへ蒸留するクロスアーキテクチャ知識蒸留フレームワークである。
TransformerとCNNの表現ギャップを埋めるために、出力・特徴・関係（リレーショナル）レベルの複数の蒸留目的を適用し、Transformer由来の大域的表現をよりよく保持させる。
複数の葉の病害データセットでの実験では、蒸留後の学生モデルが教師モデルに近い性能を維持しつつ、大幅な効率化を実現（パラメータ約172分の1、計算量47.57分の1、推論レイテンシ18〜22分の1）。
最適化したモデルはONNX、TFLite Float16、TensorRT FP16といった複数の実行形式に変換されても予測性能が一貫しており、精度劣化はごくわずかである。
NVIDIA Jetson上の実環境テストやモバイルアプリでの実運用において、信頼性の高いリアルタイム推論が示され、資源制約下での農業向けAIへの実用性が裏付けられている。