論文の概要: Vision-Aided Radio: User Identity Match in Radio and Video Domains Using Machine Learning

• arxiv url: http://arxiv.org/abs/2010.07219v3
• Date: Mon, 14 Dec 2020 20:47:52 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-07 13:46:28.456490
• Title: Vision-Aided Radio: User Identity Match in Radio and Video Domains Using Machine Learning
• Title（参考訳）: ビジョン支援ラジオ:機械学習を用いたラジオ・ビデオ領域のユーザIDマッチング
• Authors: Vinicius M. de Pinho, Marcello L. R. de Campos, Luis Uzeda Garcia and Dalia Popescu
• Abstract要約: 5Gは、通信技術産業において不可欠なイネーブラーであり、主要なインフラプロバイダーであるように設計されている。 ディープラーニングとコンピュータビジョンツールの使用は、ネットワークの環境意識を高める手段となる。 視覚領域と無線領域の両方からの情報を一致させる枠組みを提案する。
• 参考スコア（独自算出の注目度）: 3.0204520109309847
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: 5G is designed to be an essential enabler and a leading infrastructure provider in the communication technology industry by supporting the demand for the growing data traffic and a variety of services with distinct requirements. The use of deep learning and computer vision tools has the means to increase the environmental awareness of the network with information from visual data. Information extracted via computer vision tools such as user position, movement direction, and speed can be promptly available for the network. However, the network must have a mechanism to match the identity of a user in both visual and radio systems. This mechanism is absent in the present literature. Therefore, we propose a framework to match the information from both visual and radio domains. This is an essential step to practical applications of computer vision tools in communications. We detail the proposed framework training and deployment phases for a presented setup. We carried out practical experiments using data collected in different types of environments. The work compares the use of Deep Neural Network and Random Forest classifiers and shows that the former performed better across all experiments, achieving classification accuracy greater than 99%.
• Abstract（参考訳）: 5gは、データトラフィックの増加と、異なる要件を持つさまざまなサービスに対する需要をサポートすることにより、通信技術業界における重要なイネーブラと主要なインフラストラクチャプロバイダとして設計されている。 ディープラーニングとコンピュータビジョンツールの利用は、視覚データからの情報によってネットワークの環境意識を高める手段を持っている。 ユーザ位置、移動方向、速度などのコンピュータビジョンツールから抽出された情報は、ネットワーク上で迅速に利用できる。 しかし、ネットワークは、視覚システムと無線システムの両方において、ユーザのアイデンティティにマッチするメカニズムを持つ必要がある。 このメカニズムは現在の文献にはない。 そこで我々は,視覚領域と無線領域の両方の情報にマッチする枠組みを提案する。 これはコミュニケーションにおけるコンピュータビジョンツールの実用化に不可欠なステップである。 提案されたセットアップのためのフレームワークのトレーニングとデプロイメントフェーズについて詳述する。 異なる種類の環境で収集したデータを用いて実践実験を行った。 この研究は、Deep Neural NetworkとRandom Forestの分類器の使用を比較し、前者はすべての実験でより良い性能を示し、99%以上の分類精度を達成した。

関連論文リスト

• Enhancing Graph Representation of the Environment through Local and Cloud Computation [2.9465623430708905]
  複数の情報源からロボット環境のセマンティックな表現を提供するグラフベースの表現を提案する。 環境から情報を取得するために、このフレームワークは古典的なコンピュータビジョンツールと現代のコンピュータビジョンクラウドサービスを組み合わせる。 提案手法により、小さなオブジェクトも処理し、環境の意味表現に統合することが可能になる。
  論文  参考訳（メタデータ） (2023-09-22T08:05:32Z)
• Machine Learning for QoS Prediction in Vehicular Communication: Challenges and Solution Approaches [46.52224306624461]
  最大スループット予測の強化,例えばストリーミングや高精細マッピングアプリケーションについて検討する。 収集したデータの基盤となる特性をよりよく理解することで、マシンラーニング技術上に信頼性を構築することができるかを強調します。 我々は、説明可能なAIを使用して、機械学習が明示的にプログラムされることなく、無線ネットワークの基本原理を学習できることを示す。
  論文  参考訳（メタデータ） (2023-02-23T12:29:20Z)
• A Survey on Graph Neural Networks and Graph Transformers in Computer Vision: A Task-Oriented Perspective [71.03621840455754]
  グラフニューラルネットワーク(GNN)はグラフ表現学習において勢いを増している。 Graph Transformerは、グラフ構造をTransformerアーキテクチャに組み込んで、局所的な近傍集約の制限を克服します。 本稿では,タスク指向の観点から,コンピュータビジョンにおけるGNNとグラフトランスフォーマーの総合的なレビューを行う。
  論文  参考訳（メタデータ） (2022-09-27T08:10:14Z)
• Optical flow-based branch segmentation for complex orchard environments [73.11023209243326]
  シミュレーションでは、シミュレーションでは、シミュレーションされたRGBデータと光フローのみを用いてニューラルネットワークシステムを訓練する。 このニューラルネットワークは、忙しい果樹園環境において、追加の現実世界のトレーニングや、標準カメラ以外の特別な設定や機器を使用することなく、前景の枝のセグメンテーションを行うことができる。 その結果,本システムは高精度であり,手動ラベル付きRGBDデータを用いたネットワークと比較すると,トレーニングセットと異なる環境において,より一貫性と堅牢性を実現していることがわかった。
  論文  参考訳（メタデータ） (2022-02-26T03:38:20Z)
• OG-SGG: Ontology-Guided Scene Graph Generation. A Case Study in Transfer Learning for Telepresence Robotics [124.08684545010664]
  画像からのシーングラフ生成は、ロボット工学のようなアプリケーションに非常に関心を持つタスクである。 オントロジー誘導シーングラフ生成(OG-SGG)と呼ばれるフレームワークの初期近似を提案する。
  論文  参考訳（メタデータ） (2022-02-21T13:23:15Z)
• Self-Supervised Radio-Visual Representation Learning for 6G Sensing [1.9766522384767227]
  将来の6Gセルネットワークでは、共同通信およびセンシングプロトコルにより、ネットワークが環境を知覚できるようになる。 人間の介入を最小限に抑えて無線のみのセンシングモデルを自動的に学習するために,無線と視覚を組み合わせることを提案する。
  論文  参考訳（メタデータ） (2021-11-01T12:23:47Z)
• In-Network Learning: Distributed Training and Inference in Networks [10.635097939284753]
  我々は,複数のデータストリームと処理ユニットを利用する学習アルゴリズムとアーキテクチャを開発する。 特に、この分析は、推論がネットワークをまたいでどのように伝播し、融合するかを明らかにする。
  論文  参考訳（メタデータ） (2021-07-07T18:35:08Z)
• Scalable Perception-Action-Communication Loops with Convolutional and Graph Neural Networks [208.15591625749272]
  視覚に基づくグラフアグリゲーション・アンド・推論(VGAI)を用いた知覚-行動-コミュニケーションループの設計を提案する。 我々のフレームワークは、畳み込みとグラフニューラルネットワーク(CNN/GNN)のカスケードによって実装され、エージェントレベルの視覚知覚と特徴学習に対処する。 我々は、VGAIが他の分散コントローラに匹敵する性能を得ることを示した。
  論文  参考訳（メタデータ） (2021-06-24T23:57:21Z)
• Federated Learning: A Signal Processing Perspective [144.63726413692876]
  フェデレーションラーニングは、データを明示的に交換することなく、ローカルデータセットを保持する複数のエッジデバイスでモデルをトレーニングするための新しい機械学習パラダイムです。 本稿では、信号処理ツールを用いて扱うのが自然である主な課題をカプセル化し、強調する、連合学習のための統一的な体系的フレームワークを提供する。
  論文  参考訳（メタデータ） (2021-03-31T15:14:39Z)
• How Researchers Use Diagrams in Communicating Neural Network Systems [5.064404027153093]
  本稿では,ニューラルネットワークシステム図の利用について述べる。 ダイアグラムの作成と解釈の両方において、使用法、知覚、嗜好の多様性が高いことが分かりました。 既存のガイダンスとともにインタビューデータを考慮し、ニューラルネットワークシステム図の作り方を改善するためのガイドラインを提案する。
  論文  参考訳（メタデータ） (2020-08-28T10:21:03Z)

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。