#轻量化

arXiv 8-12 上线论文,作者:Daniel Rossi、Guido Borghi、Roberto Vezzani。论文提出 BoltNet,一种结合 Spatial Redistribution Bottleneck 与 Logit PreSampling 的超轻量级全卷积架构,在 Pl@ntNet300K 上达到 0.682 F1-score(341K 参数,1.37 MB),为评估低于 2 MB 模型中的最高 F1,接近大参数量卷积骨干网络。在 Raspberry Pi 5、Jetson Orin Nano、Hailo-8 上的实测 FPS/W 与 CPU/GPU/NP 应用效率最优。[预印本]

针对胡麻倒伏区域识别难题，研究构建改进YOLOv11n-seg模型。改进后的模型在精确度和平均精度均值上分别达到92.6%和95.2%，较原始YOLOv11n-seg模型分别提升3.7个百分点和2.1个百分点。模型参数量仅为1.73 M，计算量为8.0 GFLOPs，模型体积仅为3.8 MB，显示出较好的轻量化优势。该方法兼顾精度与轻量化，为智能化胡麻倒伏监测与实际田间设备部署提供了技术基础。