[논문 리뷰] Improved lightweight identification of agricultural diseases based on MobileNetV3

Yuhang Jiang, Wenping Tong|arXiv (Cornell University)|2022. 07. 19.

Smart Agriculture and AI인용 수 5

한 줄 요약

이 논문은 농업 병해진단 시스템에서의 모델 크기 과다 문제를 해결하기 위해 Coordinat Attention 블록을 통합한 향상된 경량 MobileNetV3 기반 모델을 제안한다. 이로 인해 대규모 버전에서는 모델 파라미터를 최대 23.4% 감소시키고 정확도를 0.92% 향상시켰으며, 소규모 버전을 사용할 경우 잔디노(Edge) 디바이스인 Jetson Nano에서 정확도가 2.48% 향상되고 추론 속도가 7.5% 빨라져 실시간으로 효율적으로 배포할 수 있다.

ABSTRACT

At present, the identification of agricultural pests and diseases has the problem that the model is not lightweight enough and difficult to apply. Based on MobileNetV3, this paper introduces the Coordinate Attention block. The parameters of MobileNetV3-large are reduced by 22%, the model size is reduced by 19.7%, and the accuracy is improved by 0.92%. The parameters of MobileNetV3-small are reduced by 23.4%, the model size is reduced by 18.3%, and the accuracy is increased by 0.40%. In addition, the improved MobileNetV3-small was migrated to Jetson Nano for testing. The accuracy increased by 2.48% to 98.31%, and the inference speed increased by 7.5%. It provides a reference for deploying the agricultural pest identification model to embedded devices.

연구 동기 및 목표

• 농업 병해진단 시스템에서의 무거운 모델 크기와 낮은 배포 가능성 문제를 해결하기 위해.
• 정확도를 유지하거나 향상시키면서도 MobileNetV3의 계산 및 메모리 부담을 줄이기 위해.
• Jetson Nano와 같은 자원 제약이 있는 임베디드 디바이스에서 효율적인 병해 진단 모델 배포를 가능하게 하기 위해.
• 농업 이미지 데이터에 특화된 주의 메커니즘을 통해 컨볼루션 네트워크의 특징 표현 능력을 향상시키기 위해.

제안 방법

• 좌표 주의(Coordinate Attention) 블록을 MobileNetV3에 통합하여 계산 비용을 낮추면서도 공간적 특징 모델링 능력을 향상시키기 위해.
• 특징 맵 내 관련된 공간 위치에 집중하기 위해 좌표 주의 메커니즘을 적용하여 주의 효율성을 향상시키기 위해.
• 새로운 주의 모듈을 적용한 농업 병해 데이터셋을 기반으로 MobileNetV3-small 및 MobileNetV3-large 버전을 미세조정하기 위해.
• 모델 양자화 및 Jetson Nano에의 배포를 통해 실세계 엣지 환경에서의 추론 속도와 정확도 평가를 수행하기 위해.
• 제한된 농업 이미지 데이터셋에서 일반화 능력을 향상시키기 위해 전이 학습과 데이터 증강 기법을 활용하기 위해.

실험 결과

연구 질문

• RQ1 MobileNetV3에 좌표 주의(Coordinate Attention)를 통합함으로써, 정확도를 유지하거나 향상시키면서도 모델 파라미터와 크기를 줄일 수 있는가?
• RQ2 Jetson Nano와 같은 엣지 디바이스에 배포했을 때, 향상된 MobileNetV3 모델의 추론 속도와 정확도는 어떻게 성능을 발휘하는가?
• RQ3 기본 컨볼루션 레이어에 비해 좌표 주의 블록은 농업 병해 이미지에서 특징 표현 능력을 얼마나 향상시키는가?
• RQ4 소형 및 대형 MobileNetV3 버전에 본 방법을 적용할 경우, 모델 효율성과 정확도 사이의 상호 교환 관계는 어떠한가?

주요 결과

• 향상된 MobileNetV3-large 모델은 파라미터를 22% 감소시키고 모델 크기를 19.7% 줄였으며, 정확도는 0.92% 향상되었다.
• 향상된 MobileNetV3-small 모델은 파라미터를 23.4% 감소시키고 모델 크기를 18.3% 줄였으며, 정확도는 0.40% 향상되었다.
• Jetson Nano에 배포된 향상된 MobileNetV3-small 모델은 98.31%의 정확도를 달성하여 기준 모델 대비 2.48% 향상되었다.
• 최적화 후 Jetson Nano에서의 추론 속도가 7.5% 향상되어 실시간 성능 향상이 뚜렷하게 확인되었다.