PulseAugur
中
实时 07:21:37
English(EN) Lightweight Image Classification of Raptor Species for Edge Devices: Rare-Species Dataset Expansion via Video Frame Extraction, Knowledge Distillation, and TensorRT Deployment

轻量级AI模型识别猛禽物种，保障风力涡轮机安全

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一个轻量级图像分类系统，用于在边缘设备上识别猛禽物种，专门用于风力涡轮机碰撞缓解。该系统利用知识蒸馏，以一个大型DINOv2-L模型作为教师，训练MobileNetV4、ViT-Small和EfficientNet-B0等小型模型。通过将数据集扩展到12,500多张图像，特别是增加了白尾海雕的图像数量，该系统显著提高了该物种的召回率并减少了误分类错误。当使用TensorRT部署在NVIDIA Jetson Orin Nano上时，EfficientNet-B0模型实现了实时处理速度。 AI

影响 使得低功耗边缘设备能够进行实时的AI驱动野生动物监测，可能减少鸟类与涡轮机的碰撞。

排序理由 该条目描述了一篇研究论文，详细介绍了一种应用于特定领域（用于风力涡轮机缓解的猛禽物种识别）的轻量级图像分类新方法，包括数据集扩展、模型蒸馏和在边缘设备上的部署。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

轻量级AI模型识别猛禽物种，保障风力涡轮机安全

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Takeshi Nishikawa ·

    面向边缘设备的轻量级猛禽物种图像分类：通过视频帧提取、知识蒸馏和TensorRT部署进行稀有物种数据集扩展

    arXiv:2607.26238v1 Announce Type: cross Abstract: We investigate lightweight raptor-species classification for real-time edge deployment in wind-turbine collision mitigation. Using DINOv2-L (304M parameters) as a teacher, we distilled three lightweight students (MobileNetV4, ViT-…

相关实体

相关话题