論文の概要: Reconfigurable Cyber-Physical System for Lifestyle Video-Monitoring via Deep Learning

• arxiv url: http://arxiv.org/abs/2010.03497v1
• Date: Wed, 7 Oct 2020 16:05:09 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-09 23:37:16.077218
• Title: Reconfigurable Cyber-Physical System for Lifestyle Video-Monitoring via Deep Learning
• Title（参考訳）: 深層学習によるライフスタイルビデオ監視のための再構成可能なサイバー物理システム
• Authors: Daniel Deniz, Francisco Barranco, Juan Isern and Eduardo Ros
• Abstract要約: 組込みローカルノードを用いた屋内監視再構成可能なCPSを提案する。 これらのノードでのローカル処理は、データ帯域幅使用量の削減とプライバシの保護という、一般的な問題に対処することができます。 本提案は,電池駆動ノードのエネルギー消費に基づく再構成を誘導するエネルギー認識システムである。
• 参考スコア（独自算出の注目度）: 1.1470070927586016
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Indoor monitoring of people at their homes has become a popular application in Smart Health. With the advances in Machine Learning and hardware for embedded devices, new distributed approaches for Cyber-Physical Systems (CPSs) are enabled. Also, changing environments and need for cost reduction motivate novel reconfigurable CPS architectures. In this work, we propose an indoor monitoring reconfigurable CPS that uses embedded local nodes (Nvidia Jetson TX2). We embed Deep Learning architectures to address Human Action Recognition. Local processing at these nodes let us tackle some common issues: reduction of data bandwidth usage and preservation of privacy (no raw images are transmitted). Also real-time processing is facilitated since optimized nodes compute only its local video feed. Regarding the reconfiguration, a remote platform monitors CPS qualities and a Quality and Resource Management (QRM) tool sends commands to the CPS core to trigger its reconfiguration. Our proposal is an energy-aware system that triggers reconfiguration based on energy consumption for battery-powered nodes. Reconfiguration reduces up to 22% the local nodes energy consumption extending the device operating time, preserving similar accuracy with respect to the alternative with no reconfiguration.
• Abstract（参考訳）: 自宅にいる人々の屋内モニタリングは、スマートヘルスにおける一般的な応用となっている。 組み込みデバイスのための機械学習とハードウェアの進歩により、サイバー物理システム(CPS)のための新しい分散アプローチが有効になった。 また、環境の変化とコスト削減の必要性は、新しい再構成可能なCPSアーキテクチャを動機付けている。 本研究では,組み込みローカルノード(Nvidia Jetson TX2)を用いた室内監視再構成可能なCPSを提案する。 人間の行動認識に対処するために、ディープラーニングアーキテクチャを組み込む。 これらのノードでのローカル処理では、データ帯域幅の削減とプライバシの保存(生画像は送信されない)という、一般的な問題に対処できる。 また、最適化ノードがローカルビデオフィードのみを演算するため、リアルタイム処理も容易である。 リコンフィグレーションに関しては、リモートプラットフォームがCPSの品質を監視し、QRM(Quality and Resource Management)ツールがコマンドをCPSコアに送信してリコンフィグレーションを起動する。 本提案は,バッテリ駆動ノードのエネルギー消費に基づく再構成を起動するエネルギアウェアシステムである。 リコンフィグレーションは、デバイス操作時間を延ばすローカルノードのエネルギ消費を最大22%削減し、リコンフィグレーションのない代替手段に関して同様の精度を保つ。

関連論文リスト

• Energy-Efficient & Real-Time Computer Vision with Intelligent Skipping via Reconfigurable CMOS Image Sensors [5.824962833043625]
  ビデオベースのコンピュータビジョンアプリケーションは、一般的に、その重要性に関わらず、フレーム内のすべてのピクセルを読み、処理するため、高エネルギー消費に悩まされる。 従来の作業では、入力パッチやピクセルをスキップし、最終タスクからのフィードバックを使ってスキップアルゴリズムをガイドすることで、このエネルギーを削減しようとしていた。 本稿では,センサの読み出しフェーズにおいて,フレーム内の不規則領域や行を選択的にスキップすることで,エネルギー効率を向上させるカスタムデザインCMOSイメージセンサ(CIS)システムを提案する。
  論文  参考訳（メタデータ） (2024-09-25T20:32:55Z)
• Enhancing Split Computing and Early Exit Applications through Predefined Sparsity [12.293736644405937]
  Deep Neural Networks(DNN)は、オブジェクト分類やアクション認識からスマートビルディングやヘルスケアまで、幅広い問題で最先端のパフォーマンスを達成した。 計算要件は、リソースに制約のあるエッジデバイスへのデプロイメントを妨げます。 本稿では,事前定義された空間性の概念とスプリットコンピューティング(SC)とEarly Exit(EE)を組み合わせることで,この問題に対処する新しいアプローチを提案する。 実験の結果, 性能を損なうことなく, 記憶量と計算複雑性を4倍に削減できることがわかった。
  論文  参考訳（メタデータ） (2024-07-16T14:24:04Z)
• Efficient and accurate neural field reconstruction using resistive memory [52.68088466453264]
  デジタルコンピュータにおける従来の信号再構成手法は、ソフトウェアとハードウェアの両方の課題に直面している。 本稿では,スパース入力からの信号再構成のためのソフトウェア・ハードウェア協調最適化を用いた体系的アプローチを提案する。 この研究は、AI駆動の信号復元技術を進歩させ、将来の効率的で堅牢な医療AIと3Dビジョンアプリケーションへの道を開く。
  論文  参考訳（メタデータ） (2024-04-15T09:33:09Z)
• NAC-TCN: Temporal Convolutional Networks with Causal Dilated Neighborhood Attention for Emotion Understanding [60.74434735079253]
  畳み込みTCN(NAC-TCN)を用いた近傍注意法を提案する。 これを実現するために、Dilated Neighborhood Attentionの因果バージョンを導入し、畳み込みを組み込んだ。 我々のモデルは、標準的な感情認識データセットに少ないパラメータを必要としながら、TCN、TCL、LSTM、GRUに匹敵する、より優れた、あるいは最先端のパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2023-12-12T18:41:30Z)
• ETLP: Event-based Three-factor Local Plasticity for online learning with neuromorphic hardware [105.54048699217668]
  イベントベース3要素局所塑性(ETLP)の計算複雑性に明らかな優位性を有する精度の競争性能を示す。 また, 局所的可塑性を用いた場合, スパイキングニューロンの閾値適応, 繰り返しトポロジーは, 時間的構造が豊富な時間的パターンを学習するために必要であることを示した。
  論文  参考訳（メタデータ） (2023-01-19T19:45:42Z)
• An Adaptive Device-Edge Co-Inference Framework Based on Soft Actor-Critic [72.35307086274912]
  高次元パラメータモデルと大規模数学的計算は、特にIoT(Internet of Things)デバイスにおける実行効率を制限する。 本稿では,ソフトポリシーの繰り返しによるエフェキシット点,エフェキシット点,エンフェキシット点を生成する離散的(SAC-d)のための新しい深層強化学習(DRL)-ソフトアクタ批判法を提案する。 レイテンシと精度を意識した報酬設計に基づいて、そのような計算は動的無線チャンネルや任意の処理のような複雑な環境によく適応でき、5G URLをサポートすることができる。
  論文  参考訳（メタデータ） (2022-01-09T09:31:50Z)
• Energy-Efficient Model Compression and Splitting for Collaborative Inference Over Time-Varying Channels [52.60092598312894]
  本稿では,エッジノードとリモートノード間のモデル圧縮と時間変化モデル分割を利用して,エッジデバイスにおける総エネルギーコストを削減する手法を提案する。 提案手法は, 検討されたベースラインと比較して, エネルギー消費が最小限であり, 排出コストが$CO$となる。
  論文  参考訳（メタデータ） (2021-06-02T07:36:27Z)
• Enabling Incremental Training with Forward Pass for Edge Devices [0.0]
  進化戦略(ES)を用いてネットワークを部分的に再トレーニングし,エラー発生後に変更に適応し,回復できるようにする手法を提案する。 この技術は、バックプロパゲーションを必要とせず、最小限のリソースオーバーヘッドで推論専用ハードウェアのトレーニングを可能にする。
  論文  参考訳（メタデータ） (2021-03-25T17:43:04Z)
• Improving Computational Efficiency in Visual Reinforcement Learning via Stored Embeddings [89.63764845984076]
  効率的な強化学習のためのストアド埋め込み(SEER)について紹介します。 SEERは、既存の非政治深層強化学習方法の簡単な修正です。 計算とメモリを大幅に節約しながら、SEERがRLizableエージェントのパフォーマンスを低下させないことを示します。
  論文  参考訳（メタデータ） (2021-03-04T08:14:10Z)
• Reconfigurable Cyber-Physical System for Critical Infrastructure Protection in Smart Cities via Smart Video-Surveillance [2.2509387878255818]
  分散クラウドエッジスマートビデオ監視を用いたCI保護のための再構成可能なサイバー物理システムを提案する。 ローカルエッジノードは、Deep Learningを介して人検出を行います。 クラウドサーバはノードから結果を収集し、生体認証、トラッキング、周辺監視を行う。
  論文  参考訳（メタデータ） (2020-11-29T18:43:25Z)
• P-CRITICAL: A Reservoir Autoregulation Plasticity Rule for Neuromorphic Hardware [4.416484585765027]
  繰り返し発生する人工ニューラルネットワーク上のバックプロパゲーションアルゴリズムは、時間とともに蓄積された状態の展開を必要とする。 自動貯水池調整のためのP-CRITICALという新しい局所塑性則を提案する。 パラメータをチューニングすることなく、様々なモーダルからくるタスクの性能改善を観察する。
  論文  参考訳（メタデータ） (2020-09-11T18:13:03Z)

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。