Хабарлак К.С.2025-06-202025-06-202025Хабарлак К.С. Швидке виявлення шкідників рослин із використанням мобільної нейронної мережі / Хабарлак К.С. // «Наукова весна» 2025 : матеріали XV Міжнародної науково-технічної конференції аспірантів та молодих вчених, Дніпро, 26–28 березня 2025 року. – Дніпро : НТУ «ДП», 2025. – С. 212-213.https://ir.nmu.org.ua/handle/123456789/171130Моделі глибокого навчання показали багатообіцяючі результати у виявленні хвороб та шкідників рослин, але їх обчислювальна складність часто обмежує розгортання на пристроях з обмеженими ресурсами, що є важливим для моніторингу в режимі реального часу в теплицях. Дистиляція знань є одним із підходів, за допомогою якого можна пришвидшити виконання нейронних мереж за малих втрат якості. Дистиляція знань полягає в перенесенні знання від великої, точної моделі-вчителя до меншої, ефективнішої моделі- студента. Традиційна дистиляція знань покладається на зіставлення вихідних логітів вчителя або проміжних представлень ознак. Ключовим компонентом є шар відображення ознак, який перетворює ознаки вчителя в простір, сумісний зі студентом. Однак цей шар може швидко стати надмірно параметризованим, особливо при роботі з високорозмірними картами ознак. Велика кількість параметрів може призвести до перенавчання та перешкоджати процесу дистиляції. В даній роботі запропоновано новий шар відображення ознак на основі групової згортки. Групова згортка розкладає стандартну згортку на кілька менших згорток, що працюють на різних вхідних каналах, різко зменшуючи кількість параметрів.ukмоделі глибокого навчаннянейронні мережігрупова згорткатекст::матеріали конференції::матеріали конференції::доповідь на конференції