仅0.001M参数，识别38种植物病害，树莓派上也能实时跑！
GANet: A Lightweight Group Attention Network for Plant Disease Identification on Embedded Systems
📖 AI 总结
该论文提出一种名为GANet的轻量级分组等变注意力网络，用于嵌入式系统上的植物病害识别。针对现有深度学习模型算力需求高、难以在低端硬件上高效运行，且多数研究仅覆盖特定作物病害的问题，GANet引入分组注意力模块和分组特征融合模块，使模型兼具稀疏性与高效性。模型仅含0.001M参数，在PlantVillage数据集上对38类植物病害取得99.99%的准确率，并针对树莓派4b和Jetson Nano等边缘设备优化，分别达到5 FPS和11 FPS的推理速度。该工作表明超轻量模型可在低功耗设备上实现实时病害监测，为资源受限场景下的植物病害早期预警提供了可行方案。
🔑 关键词速览
| Group Equivariance Attention Network (GANet) | 一种轻量级群等变注意力网络，专为植物病害识别设计，具有稀疏高效的特点。 |
| Group Attention block | 群注意力模块，GANet中引入的新颖组件，用于提升特征提取的效率和稀疏性。 |
| Group-Wise Feature Fusion block | 群特征融合模块，GANet中的另一新颖组件，用于有效融合特征以增强模型性能。 |
| PlantVillage dataset | 一个广泛使用的植物病害图像数据集，用于训练和评估植物病害识别模型。 |
| Edge devices | 边缘设备，如树莓派和Jetson Nano等低功耗硬件，用于在数据源头进行实时计算。 |
📱 每天一份 AI 前沿日报
关注公众号，每天 09:00 推送 · 不错过任何重磅