論文の概要: Wireless Image Retrieval at the Edge

• arxiv url: http://arxiv.org/abs/2007.10915v2
• Date: Thu, 15 Jul 2021 08:31:42 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-08 05:56:12.745158
• Title: Wireless Image Retrieval at the Edge
• Title（参考訳）: エッジにおけるワイヤレス画像検索
• Authors: Mikolaj Jankowski, Deniz Gunduz, Krystian Mikolajczyk
• Abstract要約: 本研究では、エッジデバイスが画像をキャプチャし、エッジサーバから同様の画像を検索するために使用される無線エッジにおける画像検索問題について検討する。 我々の目標は、無線リンクに対する電力及び帯域幅制約下での検索タスクの精度を最大化することである。 本稿では,デジタル通信とアナログ通信の2つの方法を提案する。
• 参考スコア（独自算出の注目度）: 20.45405359815043
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We study the image retrieval problem at the wireless edge, where an edge device captures an image, which is then used to retrieve similar images from an edge server. These can be images of the same person or a vehicle taken from other cameras at different times and locations. Our goal is to maximize the accuracy of the retrieval task under power and bandwidth constraints over the wireless link. Due to the stringent delay constraint of the underlying application, sending the whole image at a sufficient quality is not possible. We propose two alternative schemes based on digital and analog communications, respectively. In the digital approach, we first propose a deep neural network (DNN) aided retrieval-oriented image compression scheme, whose output bit sequence is transmitted over the channel using conventional channel codes. In the analog joint source and channel coding (JSCC) approach, the feature vectors are directly mapped into channel symbols. We evaluate both schemes on image based re-identification (re-ID) tasks under different channel conditions, including both static and fading channels. We show that the JSCC scheme significantly increases the end-to-end accuracy, speeds up the encoding process, and provides graceful degradation with channel conditions. The proposed architecture is evaluated through extensive simulations on different datasets and channel conditions, as well as through ablation studies.
• Abstract（参考訳）: 本研究では、エッジデバイスが画像をキャプチャし、エッジサーバから同様の画像を検索するために使用される無線エッジにおける画像検索問題について検討する。 これは、同じ人物または他のカメラから撮影された車両の異なる時刻や場所のイメージである。 我々の目標は、無線リンクに対する電力及び帯域幅制約下での検索タスクの精度を最大化することである。 基礎となるアプリケーションの厳密な遅延制約のため、画像全体を十分な品質で送信することは不可能である。 デジタル通信とアナログ通信の2つの代替方式を提案する。 本稿では,まず,従来のチャネル符号を用いて出力ビット列をチャネル上で伝送する,検索指向画像圧縮方式であるディープニューラルネットワーク(dnn)を提案する。 アナログジョイントソースとチャネル符号化(JSCC)アプローチでは、特徴ベクトルを直接チャネルシンボルにマッピングする。 画像に基づく再識別(re-ID)タスクを静的チャネルとフェードチャネルの両方を含む異なるチャネル条件下で評価する。 我々は,jscc方式がエンドツーエンドの精度を大幅に向上させ,エンコーディングプロセスを高速化し,チャネル条件による優雅な劣化をもたらすことを示す。 提案するアーキテクチャは,異なるデータセットとチャネル条件の広範なシミュレーションおよびアブレーション研究を通じて評価される。

関連論文リスト

• DeepJSCC-Q: Constellation Constrained Deep Joint Source-Channel Coding [6.55705721360334]
  我々は、DeepJSCC-Qが、複雑な値のチャネル入力を可能にする以前の作業と同じような性能を実現できることを示す。 DeepJSCC-Qは予測不能なチャネル条件下での画質の優雅な劣化を保っている。
  論文  参考訳（メタデータ） (2022-06-16T11:43:50Z)
• Reducing Redundancy in the Bottleneck Representation of the Autoencoders [98.78384185493624]
  オートエンコーダは教師なしニューラルネットワークの一種であり、様々なタスクを解くのに使用できる。 本稿では,ボトルネック表現における特徴冗長性を明示的に罰する手法を提案する。 我々は,3つの異なるデータセットを用いた次元削減,MNISTデータセットを用いた画像圧縮,ファッションMNISTを用いた画像デノナイズという,さまざまなタスクにまたがってアプローチを検証した。
  論文  参考訳（メタデータ） (2022-02-09T18:48:02Z)
• Distributed Image Transmission using Deep Joint Source-Channel Coding [8.316711745589354]
  相関画像ソースに対するディープジョイントソースチャネル符号化(D-JSCC)の問題点について検討する。 軽量エッジエンコーダと強力なセンターデコーダを備えたディープニューラルネットワークソリューションを提案する。 本研究は,両リンクの雑音表現を利用して,両リンクの復元品質を著しく改善したことを示す。
  論文  参考訳（メタデータ） (2022-01-25T14:25:26Z)
• DeepJSCC-Q: Channel Input Constrained Deep Joint Source-Channel Coding [5.046831208137847]
  DeepJSCC-Qは、無線画像伝送のためのエンドツーエンドのジョイントソースチャネル符号化方式である。 チャネル条件が悪くなると、前処理で観察される画質の優雅な劣化が保たれる。
  論文  参考訳（メタデータ） (2021-11-25T11:59:17Z)
• FOVEA: Foveated Image Magnification for Autonomous Navigation [53.69803081925454]
  入力キャンバスを小さく保ちながら、ある領域を弾性的に拡大する注意的アプローチを提案する。 提案手法は,高速R-CNNより高速かつ微調整の少ない検出APを高速化する。 Argoverse-HD と BDD100K の自律走行データセットでは,提案手法が標準の高速 R-CNN を超越した検出APを微調整なしで促進することを示す。
  論文  参考訳（メタデータ） (2021-08-27T03:07:55Z)
• TBNet:Two-Stream Boundary-aware Network for Generic Image Manipulation Localization [49.521622399483846]
  汎用画像操作のローカライゼーションのための新しいエンド・ツー・エンド2ストリーム境界対応ネットワーク(TBNet)を提案する。 提案したTBNetは、MCCとF1の両方の観点から、最先端の汎用画像操作のローカライズ手法を大幅に上回ることができる。
  論文  参考訳（メタデータ） (2021-08-10T08:22:05Z)
• Semi-Supervised Learning for Channel Charting-Aided IoT Localization in Millimeter Wave Networks [97.66522637417636]
  ミリ波ネットワークにおけるチャネルチャート(CC)支援の新たな枠組みを提案する。 特に,無線機器の3次元位置を推定するために,畳み込み型オートエンコーダモデルを提案する。 フレームワークは半教師付きフレームワークに拡張され、オートエンコーダは2つのコンポーネントに分割される。
  論文  参考訳（メタデータ） (2021-08-03T14:41:38Z)
• Deep Joint Transmission-Recognition for Multi-View Cameras [1.6244541005112747]
  無線エッジにおける効率的な推論のための共同送信認識方式を提案する。 無線カメラを用いた監視アプリケーションにより、マルチビューカメラによって行われる無線チャンネル上の人物分類タスクについて検討する。
  論文  参考訳（メタデータ） (2020-11-03T18:27:49Z)
• Bandwidth-Agile Image Transmission with Deep Joint Source-Channel Coding [7.081604594416339]
  画像が時間や頻度で徐々に層に伝達されるシナリオを考察する。 DeepJSCC-$l$は、畳み込みオートエンコーダを使用する革新的なソリューションである。 DeepJSCC-$l$は、低信号対雑音比(SNR)と小さな帯域幅規則の挑戦において、最先端のデジタルプログレッシブ伝送方式と同等の性能を持つ。
  論文  参考訳（メタデータ） (2020-09-26T00:11:50Z)
• Channel-Level Variable Quantization Network for Deep Image Compression [50.3174629451739]
  チャネルレベルの可変量子化ネットワークを提案し、重要なチャネルに対してより多くの畳み込みを動的に割り当て、無視可能なチャネルに対して退避する。 提案手法は優れた性能を実現し,より優れた視覚的再構成を実現する。
  論文  参考訳（メタデータ） (2020-07-15T07:20:39Z)
• DeepSIC: Deep Soft Interference Cancellation for Multiuser MIMO Detection [98.43451011898212]
  複数のシンボルが同時に送信されるマルチユーザマルチインプットマルチアウトプット(MIMO)設定では、正確なシンボル検出が困難である。 本稿では,DeepSICと呼ぶ反復ソフト干渉キャンセリング(SIC)アルゴリズムの,データ駆動による実装を提案する。 DeepSICは、チャネルを線形にすることなく、限られたトレーニングサンプルから共同検出を行うことを学ぶ。
  論文  参考訳（メタデータ） (2020-02-08T18:31:00Z)

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。