PulseAugur
中
实时 14:40:17
English(EN) TinyBayes: Closed-Form Bayesian Inference via Jacobi Prior for Real-Time Image Classification on Edge Devices

TinyBayes 使边缘设备上的实时作物病害检测成为可能

作者 PulseAugur 编辑部 · [2 个来源] ·

研究人员开发了 TinyBayes，一个用于边缘设备实时图像分类的新颖框架，专门用于检测可可作物的病害。该系统集成了闭式贝叶斯分类器和移动级计算机视觉管道，模型总大小不到 9.5 MB。TinyBayes 在 Amini 可可污染挑战数据集上实现了 78.7% 的准确率，并且可以在 CPU 上在 150 毫秒内完成推理。 AI

影响 为资源受限的农业环境提供高效、离线的 AI 驱动的病害检测。

排序理由 这是一篇研究论文，详细介绍了一种用于边缘设备的新框架和分类器。

在 arXiv stat.ML 阅读 →

AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →

TinyBayes 使边缘设备上的实时作物病害检测成为可能

报道来源 [2]

  1. arXiv cs.LG TIER_1 English(EN) · Shouvik Sardar, Sourish Das ·

    TinyBayes：通过雅可比先验实现闭式贝叶斯推理，用于边缘设备的实时图像分类

    arXiv:2605.06333v1 Announce Type: cross Abstract: Cocoa (Theobroma cacao) is a critical cash crop for millions of smallholder farmers in West Africa, where Cocoa Swollen Shoot Virus Disease (CSSVD) and anthracnose cause devastating yield losses. Automated disease detection from l…

  2. arXiv stat.ML TIER_1 English(EN) · Sourish Das ·

    TinyBayes：通过Jacobi先验实现闭式贝叶斯推断，用于边缘设备的实时图像分类

    Cocoa (Theobroma cacao) is a critical cash crop for millions of smallholder farmers in West Africa, where Cocoa Swollen Shoot Virus Disease (CSSVD) and anthracnose cause devastating yield losses. Automated disease detection from leaf images is essential for early intervention, ye…

相关实体

相关话题