Device-friendly Guava fruit and leaf disease detection using deep learning

要約

この作品は、果物や葉の画像を使用したディープラーニングベースの植物病害診断システムを紹介しています。
このシステムの実装には、5 つの最先端の畳み込みニューラル ネットワーク (CNN) が採用されています。
これまで、モデルの精度はそのようなアプリケーションの焦点であり、モデルの最適化は、モデルがエンドユーザーのデバイスに適用できるようには考慮されていませんでした。
float16 やダイナミック レンジ量子化などの 2 つのモデル量子化手法が、5 つの最先端の CNN アーキテクチャに適用されています。
この調査では、量子化された GoogleNet モデルが 0.143 MB のサイズを 97% の精度で達成したことが示されています。これは、サイズ基準を考慮した最適な候補モデルです。
EfficientNet モデルは、99% の精度で 4.2MB のサイズを達成しました。これは、パフォーマンス基準を考慮すると最高のモデルです。
ソース コードは、https://github.com/CompostieAI/Guava-disease-detection で入手できます。

要約(オリジナル)

This work presents a deep learning-based plant disease diagnostic system using images of fruits and leaves. Five state-of-the-art convolutional neural networks (CNN) have been employed for implementing the system. Hitherto model accuracy has been the focus for such applications and model optimization has not been accounted for the model to be applicable to end-user devices. Two model quantization techniques such as float16 and dynamic range quantization have been applied to the five state-of-the-art CNN architectures. The study shows that the quantized GoogleNet model achieved the size of 0.143 MB with an accuracy of 97%, which is the best candidate model considering the size criterion. The EfficientNet model achieved the size of 4.2MB with an accuracy of 99%, which is the best model considering the performance criterion. The source codes are available at https://github.com/CompostieAI/Guava-disease-detection.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google