論文の概要: An Efficient UAV-based Artificial Intelligence Framework for Real-Time
Visual Tasks
- arxiv url: http://arxiv.org/abs/2004.06154v1
- Date: Mon, 13 Apr 2020 18:53:12 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-14 00:30:31.250595
- Title: An Efficient UAV-based Artificial Intelligence Framework for Real-Time
Visual Tasks
- Title(参考訳): リアルタイム視覚タスクのための効率的なUAVベース人工知能フレームワーク
- Authors: Enkhtogtokh Togootogtokh, Christian Micheloni, Gian Luca Foresti, Niki
Martinel
- Abstract要約: アドホックなビジュアルベースのAIアプリケーションを容易に統合できるように、マルチレイヤAI(MLAI)フレームワークを導入します。
特徴とその利点を示すために,オブジェクト検出,目標追跡,ターゲットハンドオーバのための,現代の視覚的深層学習モデルを実装し,評価した。
- 参考スコア(独自算出の注目度): 33.489573797811474
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Modern Unmanned Aerial Vehicles equipped with state of the art artificial
intelligence (AI) technologies are opening to a wide plethora of novel and
interesting applications. While this field received a strong impact from the
recent AI breakthroughs, most of the provided solutions either entirely rely on
commercial software or provide a weak integration interface which denies the
development of additional techniques. This leads us to propose a novel and
efficient framework for the UAV-AI joint technology. Intelligent UAV systems
encounter complex challenges to be tackled without human control. One of these
complex challenges is to be able to carry out computer vision tasks in
real-time use cases. In this paper we focus on this challenge and introduce a
multi-layer AI (MLAI) framework to allow easy integration of ad-hoc
visual-based AI applications. To show its features and its advantages, we
implemented and evaluated different modern visual-based deep learning models
for object detection, target tracking and target handover.
- Abstract(参考訳): state of the art artificial intelligence(ai)技術を搭載した現代の無人航空機は、多くの新しい興味深い応用に開放されている。
この分野は最近のAIのブレークスルーから強い影響を受けているが、提供されたソリューションのほとんどは商用ソフトウェアに依存しているか、追加技術の開発を否定する弱い統合インターフェースを提供する。
これにより,UAV-AIジョイント技術の新規かつ効率的な枠組みを提案する。
インテリジェントUAVシステムは、人間の制御なしに対処すべき複雑な課題に直面する。
これらの複雑な課題の1つは、リアルタイムのユースケースでコンピュータビジョンタスクを実行できることである。
本稿では,この課題に焦点をあて,アドホックなビジュアルベースAIアプリケーションを容易に統合するための多層AI(MLAI)フレームワークを導入する。
特徴とその利点を示すために,オブジェクト検出,目標追跡,ターゲットハンドオーバのための,現代の視覚的深層学習モデルを実装し,評価した。
関連論文リスト
- An Interactive Agent Foundation Model [50.50659114031731]
本稿では,AIエージェントを訓練するための新しいマルチタスクエージェントトレーニングパラダイムを用いた対話型エージェント基礎モデルを提案する。
トレーニングパラダイムは、視覚マスク付きオートエンコーダ、言語モデリング、次世代の予測など、多様な事前学習戦略を統一する。
私たちは、ロボティクス、ゲームAI、ヘルスケアという3つの異なる領域でフレームワークのパフォーマンスを実演します。
論文 参考訳(メタデータ) (2024-02-08T18:58:02Z) - A new solution and concrete implementation steps for Artificial General
Intelligence [4.320142895840622]
介護、家計、農業生産、自動車運転、試行錯誤など、実際の環境と対話する必要がある分野は高価である。
本稿では,大規模モデルの技術的経路の限界を解析し,これらの制限に対処し,解決策を提案する。
論文 参考訳(メタデータ) (2023-08-12T13:31:02Z) - AI for IT Operations (AIOps) on Cloud Platforms: Reviews, Opportunities
and Challenges [60.56413461109281]
IT運用のための人工知能(AIOps)は、AIのパワーとIT運用プロセスが生成するビッグデータを組み合わせることを目的としている。
我々は、IT運用活動が発信する重要なデータの種類、分析における規模と課題、そしてどのように役立つかについて深く議論する。
主要なAIOpsタスクは、インシデント検出、障害予測、根本原因分析、自動アクションに分類します。
論文 参考訳(メタデータ) (2023-04-10T15:38:12Z) - OpenAGI: When LLM Meets Domain Experts [51.86179657467822]
ヒューマン・インテリジェンス(HI)は、複雑なタスクを解くための基本的なスキルの組み合わせに長けている。
この機能は人工知能(AI)にとって不可欠であり、包括的なAIエージェントに組み込まれるべきである。
マルチステップで現実的なタスクを解決するために設計されたオープンソースのプラットフォームであるOpenAGIを紹介します。
論文 参考訳(メタデータ) (2023-04-10T03:55:35Z) - AI Maintenance: A Robustness Perspective [91.28724422822003]
我々は、AIライフサイクルにおけるロバストネスの課題を強調し、自動車のメンテナンスに類似させることで、AIのメンテナンスを動機付ける。
本稿では,ロバストネスリスクの検出と軽減を目的としたAIモデル検査フレームワークを提案する。
我々のAIメンテナンスの提案は、AIライフサイクル全体を通して堅牢性評価、状態追跡、リスクスキャン、モデル硬化、規制を促進する。
論文 参考訳(メタデータ) (2023-01-08T15:02:38Z) - How to Reach Real-Time AI on Consumer Devices? Solutions for
Programmable and Custom Architectures [7.085772863979686]
ディープニューラルネットワーク(DNN)は、オブジェクトや音声認識など、さまざまな人工知能(AI)推論タスクにおいて大きな進歩をもたらした。
このようなAIモデルをコモディティデバイスにデプロイすることは、大きな課題に直面している。
クロススタック手法によりリアルタイムな性能を実現する手法を提案する。
論文 参考訳(メタデータ) (2021-06-21T11:23:12Z) - Pervasive AI for IoT Applications: Resource-efficient Distributed
Artificial Intelligence [45.076180487387575]
人工知能(AI)は、さまざまなモノのインターネット(IoT)アプリケーションやサービスにおいて大きなブレークスルーを目の当たりにした。
これは、感覚データへの容易なアクセスと、リアルタイムデータストリームのゼッタバイト(ZB)を生成する広帯域/ユビキタスデバイスの巨大なスケールによって駆動される。
広範コンピューティングと人工知能の合流により、Pervasive AIはユビキタスIoTシステムの役割を拡大した。
論文 参考訳(メタデータ) (2021-05-04T23:42:06Z) - Empowering Things with Intelligence: A Survey of the Progress,
Challenges, and Opportunities in Artificial Intelligence of Things [98.10037444792444]
AIがIoTをより速く、より賢く、よりグリーンで、より安全にするための力を与える方法を示します。
まず、認識、学習、推論、行動の4つの視点から、IoTのためのAI研究の進歩を示す。
最後に、私たちの世界を深く再形成する可能性が高いAIoTの有望な応用をいくつかまとめる。
論文 参考訳(メタデータ) (2020-11-17T13:14:28Z) - Artificial Intelligence for UAV-enabled Wireless Networks: A Survey [72.10851256475742]
無人航空機(UAV)は次世代無線通信ネットワークにおいて有望な技術であると考えられている。
人工知能(AI)は近年急速に成長し、成功している。
UAVベースのネットワークにおけるAIの潜在的な応用について概観する。
論文 参考訳(メタデータ) (2020-09-24T07:11:31Z) - FedVision: An Online Visual Object Detection Platform Powered by
Federated Learning [28.644610569780713]
FedVisionは、フェデレート学習を利用したコンピュータビジョンアプリケーションの開発を支援する機械学習エンジニアリングプラットフォームである。
このプラットホームは、WeBankとExtreme Visionのコラボレーションを通じて展開され、顧客がスマートシティアプリケーションでコンピュータビジョンベースの安全監視ソリューションを開発するのを助ける。
私たちの知る限りでは、コンピュータビジョンベースのタスクにおけるFLの実際の応用としてはこれが初めてです。
論文 参考訳(メタデータ) (2020-01-17T09:02:36Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。