Fugu-MT 論文翻訳(概要): A Demonstration of Smart Doorbell Design Using Federated Deep Learning

論文の概要: A Demonstration of Smart Doorbell Design Using Federated Deep Learning

arxiv url: http://arxiv.org/abs/2010.09687v1
Date: Mon, 19 Oct 2020 17:22:34 GMT
ステータス: 処理完了
システム内更新日: 2022-10-05 21:13:19.594198
Title: A Demonstration of Smart Doorbell Design Using Federated Deep Learning
Title（参考訳）: フェデレーション深層学習を用いたスマートドアベル設計の実証
Authors: Vatsal Patel and Sarth Kanani and Tapan Pathak and Pankesh Patel and Muhammad Intizar Ali and John Breslin
Abstract要約: 本稿では,フェデレート深層学習に基づく知的スマートドアベルの能力を示す。エッジとクラウドのリソースにまたがるスマートドアベルのような、ビデオ分析アプリケーションのデプロイと管理が可能になる。
参考スコア（独自算出の注目度）: 0.09786690381850353
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: Smart doorbells have been playing an important role in protecting our modern homes. Existing approaches of sending video streams to a centralized server (or Cloud) for video analytics have been facing many challenges such as latency, bandwidth cost and more importantly users' privacy concerns. To address these challenges, this paper showcases the ability of an intelligent smart doorbell based on Federated Deep Learning, which can deploy and manage video analytics applications such as a smart doorbell across Edge and Cloud resources. This platform can scale, work with multiple devices, seamlessly manage online orchestration of the application components. The proposed framework is implemented using state-of-the-art technology. We implement the Federated Server using the Flask framework, containerized using Nginx and Gunicorn, which is deployed on AWS EC2 and AWS Serverless architecture.
Abstract（参考訳）: スマートドアベルは現代の家を守る上で重要な役割を果たしています。ビデオ分析のためにビデオストリームを集中型サーバ(あるいはクラウド)に送信する既存のアプローチは、レイテンシ、帯域幅コスト、さらに重要なユーザのプライバシー上の懸念など、多くの課題に直面している。このような課題に対処するため,本稿では,エッジやクラウドリソースを越えたスマートドアベルなどのビデオ分析アプリケーションをデプロイおよび管理可能な,連合型ディープラーニングに基づくインテリジェントなスマートドアベルの能力を紹介する。このプラットフォームはスケールし、複数のデバイスと連携し、アプリケーションコンポーネントのオンラインオーケストレーションをシームレスに管理できる。提案するフレームワークは最先端技術を用いて実装されている。私たちは、AWS EC2とAWS Serverlessアーキテクチャ上にデプロイされたNginxとGunicornを使用してコンテナ化されたFraskフレームワークを使用して、フェデレーションサーバを実装しています。

関連論文リスト

ROS-LLM: A ROS framework for embodied AI with task feedback and structured reasoning [74.58666091522198]
非専門家による直感的なロボットプログラミングのためのフレームワークを提案する。ロボットオペレーティングシステム(ROS)からの自然言語のプロンプトと文脈情報を活用する我々のシステムは,大規模言語モデル (LLM) を統合し,非専門家がチャットインタフェースを通じてシステムにタスク要求を記述できるようにする。
論文参考訳（メタデータ） (2024-06-28T08:28:38Z)
Exploiting and Securing ML Solutions in Near-RT RIC: A Perspective of an xApp [9.199924426745948]
Open Radio Access Networks (O-RAN) は破壊的な技術として登場している。 O-RANは、5Gと6Gのデプロイメント以上のネットワークプロバイダにとって魅力的なものだ。 RAN Intelligent Controllers (RIC)上でxAppsやrAppsのような機械学習(ML)ソリューションなどのカスタムアプリケーションをデプロイする能力は、ネットワーク機能やリソースの最適化において大きな可能性を秘めている。しかし、O-RANとRCCのオープン性、初期標準、分散アーキテクチャは、複数の攻撃ベクトルを通じて悪用可能な脆弱性を多数導入している。
論文参考訳（メタデータ） (2024-06-18T06:12:57Z)
AgentScope: A Flexible yet Robust Multi-Agent Platform [66.64116117163755]
AgentScopeは、メッセージ交換をコアコミュニケーションメカニズムとする、開発者中心のマルチエージェントプラットフォームである。豊富な構文ツール、組み込みエージェントとサービス機能、アプリケーションのデモとユーティリティモニタのためのユーザフレンドリなインターフェース、ゼロコードプログラミングワークステーション、自動プロンプトチューニング機構により、開発とデプロイメントの両方の障壁は大幅に低下した。
論文参考訳（メタデータ） (2024-02-21T04:11:28Z)
Interactive Visualization of Protein RINs using NetworKit in the Cloud [57.780880387925954]
本稿では,タンパク質動態,特に残基相互作用ネットワーク(RIN)の例について考察する。 NetworKitを使ってクラウドベースの環境を構築しています。このアプローチの汎用性を実証するために、私たちは、RIN視覚化のためのカスタムJupyterベースのウィジェットを構築するためにそれを使用します。
論文参考訳（メタデータ） (2022-03-02T17:41:45Z)
Auto-Split: A General Framework of Collaborative Edge-Cloud AI [49.750972428032355]
本稿では,Huawei Cloudのエッジクラウド共同プロトタイプであるAuto-Splitの技法と技術実践について述べる。私たちの知る限りでは、Deep Neural Network(DNN)分割機能を提供する既存の産業製品はありません。
論文参考訳（メタデータ） (2021-08-30T08:03:29Z)
Internet of Things (IoT) Based Video Analytics: a use case of Smart Doorbell [0.0]
ビデオベースのスマートドアベルシステムは、ビデオ分析のアプリケーションドメインのひとつだ。本稿では,スマートドアベルシステムを用いた映像解析のための分散フレームワークを提案する。提案されたフレームワークはベースプラットフォームとしてaws cloud servicesを使用しており、価格設定の制約を満たすため、システムは安価なraspberry piに実装された。
論文参考訳（メタデータ） (2021-05-13T18:48:48Z)
Demonstration of a Cloud-based Software Framework for Video Analytics Application using Low-Cost IoT Devices [0.09236074230806578]
エッジリソースとクラウドリソースをまたいだビデオ分析をオーケストレーションするスマートドアベルを提案する。この提案では、AWSを基本プラットフォームとして実装し、Edgeデバイスという形でRaspberry PiのようなCOTSで手頃な価格のデバイスを活用する。
論文参考訳（メタデータ） (2020-09-29T06:05:32Z)
A Distributed Framework to Orchestrate Video Analytics Applications [0.09236074230806578]
We propose a distributed framework to orchestrate video analytics across Edge and Cloud resources。本稿では,提案するフレームワークと最先端モデルについて検討し,様々な指標について比較分析を行った。
論文参考訳（メタデータ） (2020-09-17T07:10:05Z)
Large-Scale Intelligent Microservices [24.99695289157708]
我々は、データベース操作を拡張してWebサービスプリミティブを含むApache Sparkベースのマイクロサービスオーケストレーションフレームワークを紹介します。音声、視覚、検索、異常検出、テキスト分析などのインテリジェントなサービスに対して大規模なクライアントを提供する。
論文参考訳（メタデータ） (2020-09-17T03:38:28Z)
A Privacy-Preserving Distributed Architecture for Deep-Learning-as-a-Service [68.84245063902908]
本稿では,ディープラーニング・アズ・ア・サービスのための分散アーキテクチャを提案する。クラウドベースのマシンとディープラーニングサービスを提供しながら、ユーザの機密データを保存できる。
論文参考訳（メタデータ） (2020-03-30T15:12:03Z)
Deep Learning for Ultra-Reliable and Low-Latency Communications in 6G Networks [84.2155885234293]
まず,データ駆動型教師付き深層学習と深部強化学習をURLLCに適用する方法を概説する。このようなオープンな問題に対処するために、デバイスインテリジェンス、エッジインテリジェンス、およびURLLCのためのクラウドインテリジェンスを可能にするマルチレベルアーキテクチャを開発した。
論文参考訳（メタデータ） (2020-02-22T14:38:11Z)

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。