跳到正文
arXiv · 机器人与计算机视觉· Kazi Nabiul Alam, Omenuko Joseph Nwebonyi, Pooneh Bagheri Zadeh, Akbar Sheikh-Akbari·· 2 天前AI 评分36

InvarOrd:一种用于跨物种高光谱鱼类新鲜度评估的自监督序数知识蒸馏方法

InvarOrd: Self-Supervised Ordinal Knowledge Distillation with Rank-Invariant Alignment for Label-Efficient Cross-Species Hyperspectral Fish Freshness Assessment

AI 导读

InvarOrd 模型仅需每等级 5 个样本(共 30 个)即可在三种阶段内适应新鱼种,其 42.3K 参数学生网络比教师小 2.54 倍。该方法在鲑鱼与鳕鱼配对数据上实现 1.476 天平均绝对误差和 56.1% 一日内准确率,优于仅目标训练 0.29 天且推理延迟为每立方体 1.44ms。论文已被 IEEE TAFE 接收,代码与权重开放许可。

来源:arXiv · 机器人与计算机视觉 · arxiv.org