增强知识蒸,以提高对中国草药的认可
Lu Zheng1,2, Wenhan Long1, Junchao Yi1,3
1College of Computer Science, South-Central Minzu University, Wuhan 430074, China.
Sensors (Basel, Switzerland)
|March 13, 2024
概括
一个新的双教师监督衰变 (DTSD) 模型增强了中国草药的认可. 这种人工智能方法在移动设备上实现了98.60%的准确性,为识别传统药物提供了快速而准确的解决方案.
科学领域:
- 计算机科学 计算机科学
- 人工智能的人工智能
- 药理学 药理学是指药理学的学科.
背景情况:
- 鉴定中国传统草药 (TCM) 是复杂的,需要专门的知识.
- 需要自动识别系统来提高效率和准确性.
研究的目的:
- 开发一个高效准确的AI模型来识别中国草药.
- 为了实际使用,将模型应用于轻量级的移动应用程序.
主要方法:
- 提出了双教师监督衰变 (DTSD) 方法,使用了精细的知识蒸模型.
- 在MobileNet_v3网络上实施DTSD,采用指数式升温学习率降低策略.
- 在教师模型中优化软标签,减弱参数和动态组合损失.
主要成果:
- 在10种类型的中药草药图像中获得了98.60%的平均分类准确度.
- 该模型显示,每张图像的快速平均检测时间为0.0172秒.
- 压缩模型大小只有10 MB,适合移动部署.
结论:
- DTSD方法在中国草药图像识别方面取得了重大进展.
- 这种精细的模型为移动应用程序提供了实用,轻量级的解决方案,性能优于现有的基准标准.
- 这项技术可以帮助准确有效地识别传统中医药.
