ข้อมูลจากบทคัดย่อ
ยังไม่มีสรุปภาษาไทยสำหรับระเบียนนี้
ด้านล่างเป็นบทคัดย่อต้นฉบับภาษาอังกฤษจากข้อมูลบรรณานุกรม โปรดตรวจบทความต้นฉบับก่อนอ้างอิง
Snakebite envenoming is a neglected tropical disease that affects millions of people each year, and species identification is a critical component in choosing the correct antivenom. In this study, six convolutional neural network and vision transformer architectures are compared for the image-based snake species classification task on the SnakeCLEF 2024 dataset, which contains 1599 snake species observed in 209 countries. We use knowledge distillation to boost accuracy without increasing inference cost, and incorporate country-level geographic location through a closed-form Bayesian fusion of the classifier’s output with location-conditioned species-occurrence priors. Location fusion reduced the classification error rate by over 40% across all architectures, and knowledge distillation provided a further improvement. The best model, CAFormer-S18, obtained an accuracy of 81.71% using both image and country-level location. We also compare the single-image inference latency on a smartphone and a Raspberry Pi 5, revealing that the latency of real-world, on-device deployments is significantly influenced by the interplay of model architecture and inference toolchain. Our top-performing model can infer in about 1 s on both devices, demonstrating that fine-grained species identification of snakes is feasible for real-time use in snakebite treatment and, when combined with an additional object detection stage, in wildlife monitoring.
เหตุผลที่อยู่ในฐานติดตาม
ระเบียนนี้ได้รับ Impact Signal 71/100 จากความใหม่ แหล่งเผยแพร่ ความร่วมมือ และสัญญาณในข้อมูลบรรณานุกรม คะแนนนี้ใช้จัดลำดับการติดตาม ไม่ใช่การตัดสินคุณภาพงานวิจัย
ประเด็นที่เกี่ยวข้อง: Advanced Neural Network Applications · Venomous Animal Envenomation and Studies · Domain Adaptation and Few-Shot Learning
บทบาทของนักวิจัยและสถาบันไทย
Nawanol Theera-Ampornpunt · Panisa Treepong · Phumipat Buaphet · Prince of Songkla University
ข้อจำกัดของข้อมูล
หน้านี้เป็นระเบียนบรรณานุกรมและข้อมูลจากบทคัดย่อ ยังไม่ใช่บทวิเคราะห์ฉบับเต็มหรือการประเมินคุณภาพงานวิจัย ควรตรวจสอบ DOI และเอกสารต้นฉบับก่อนนำไปอ้างอิง