鸟类物种识别需要什么输入分辨率，以及边缘设备上的延迟成本是多少？通过设备上测量对 14 种输入分辨率和六种架构进行研究

风电场的鸟击缓解措施需要识别距离仅数十个像素的远处鸟类，因此分类器的输入分辨率 N 是一个设计变量，而不是固定规格。我们使用超过 14 个边长 N（16 到 224）的因子设计、六种架构、两种训练和评估机制以及 30 个随机种子（2,520 个检查点和 5,040 个评估）以及在 NVIDIA Jetson Orin Nano 上测量的延迟来研究它。四个结果。 (1) 所选的 N 取决于目标：在 N=112 时，ResNet50 在估计 1.85 毫秒内验证达到 0.90（测试时为 0.8980）；在 N=144 时，DINOv2-L 在 12.70 毫秒内验证达到 0.95；改变模型比提高 N 能获得更高的准确度（N=112 时+5.93 点，而 N=112 时+2.33 点）。 (2) 降低 N 的好处取决于假设的预处理路径：当每个个体从自己的文件解码时，N=224 -> 80 节省 13.5%，但当检测器解码 4K 帧一次时，节省 46.2%； Pareto 集从 20 种配置增加到 23 种配置。 (3) 必须在已部署的引擎上测量准确度：在 N>=96 时，半精度仅花费 ViT-S/16 4 到 7 个点，而 CNN 保持在 0.1 个点以内，并且在验证时进行选择，176 个目标中的 26 个目标的选择不同。损坏的 FP16 引擎可能比正确的引擎运行得更快，并且无法通过延迟来检测；允许 14 ViT-S/16 FP32 配置将建议移至 0.931-0.938 频段并低于 10 ms 预算。 (4) ViT-L尺度模型适合该设备，但激活超出了FP16范围；在Transformer块边界处分割图表将 FP32 限制在受影响的段，使得部署的 DINOv2-L 链比单引擎构建快 1.85 倍。我们还量化了政权差异符号如何随着种子数量的变化而稳定；删除某些形式的组共享的敏感性分裂保留了选择边界处的所有 14 个重要标志。