論文の概要: Deep Joint Transmission-Recognition for Multi-View Cameras
- arxiv url: http://arxiv.org/abs/2011.01902v1
- Date: Tue, 3 Nov 2020 18:27:49 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-30 04:33:59.204508
- Title: Deep Joint Transmission-Recognition for Multi-View Cameras
- Title(参考訳): マルチビューカメラのための深部関節伝達認識
- Authors: Ezgi Ozyilkan, Mikolaj Jankowski
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 1.6244541005112747
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We propose joint transmission-recognition schemes for efficient inference at
the wireless edge. Motivated by the surveillance applications with wireless
cameras, we consider the person classification task over a wireless channel
carried out by multi-view cameras operating as edge devices. We introduce deep
neural network (DNN) based compression schemes which incorporate digital
(separate) transmission and joint source-channel coding (JSCC) methods. We
evaluate the proposed device-edge communication schemes under different channel
SNRs, bandwidth and power constraints. We show that the JSCC schemes not only
improve the end-to-end accuracy but also simplify the encoding process and
provide graceful degradation with channel quality.
- Abstract(参考訳): 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、エッジデバイスとして動作するマルチビューカメラによって行われる無線チャネル上の人物分類タスクについて検討する。
本稿では,デジタルトランスミッションとジョイントソースチャネル符号化(JSCC)を併用したディープニューラルネットワーク(DNN)に基づく圧縮手法を提案する。
本研究では,異なるチャネルSNR,帯域幅,電力制約下でのデバイスエッジ通信方式の評価を行う。
JSCC方式はエンド・ツー・エンドの精度を向上するだけでなく、符号化処理を簡素化し、チャネルの品質を向上する。
関連論文リスト
- Rethinking Transformer-Based Blind-Spot Network for Self-Supervised Image Denoising [94.09442506816724]
BSN(Blind-spot Network)は、自己教師付き画像復調(SSID)におけるニューラルネットワークアーキテクチャとして広く使われている。
本研究では,Transformer ベースの Blind-Spot Network (TBSN) を構築した。
論文 参考訳(メタデータ) (2024-04-11T15:39:10Z) - Distributed Deep Joint Source-Channel Coding with Decoder-Only Side
Information [6.411633100057159]
本稿では,受信側のみに相関する側情報が存在する場合,ノイズの多い無線チャネル上での低遅延画像伝送について検討する。
本稿では,デコーダのみの側情報をレシーバ側の複数段階に組み込んだ新しいニューラルネットワークアーキテクチャを提案する。
論文 参考訳(メタデータ) (2023-10-06T15:17:45Z) - Joint Channel Estimation and Feedback with Masked Token Transformers in
Massive MIMO Systems [74.52117784544758]
本稿では,CSI行列内の固有周波数領域相関を明らかにするエンコーダデコーダに基づくネットワークを提案する。
エンコーダ・デコーダネットワーク全体がチャネル圧縮に使用される。
提案手法は,共同作業における現状のチャネル推定およびフィードバック技術より優れる。
論文 参考訳(メタデータ) (2023-06-08T06:15:17Z) - Bandwidth-efficient distributed neural network architectures with
application to body sensor networks [73.02174868813475]
本稿では,分散ニューラルネットワークアーキテクチャを設計するための概念設計手法について述べる。
提案手法により,損失を最小限に抑えつつ,最大20倍の帯域幅削減が可能となることを示す。
本稿では,ウェアラブル脳-コンピュータインタフェースに焦点をあてるが,他のセンサネットワークアプリケーションにも適用できる。
論文 参考訳(メタデータ) (2022-10-14T12:35:32Z) - 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) - 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) - Model-Driven Deep Learning Based Channel Estimation and Feedback for
Millimeter-Wave Massive Hybrid MIMO Systems [61.78590389147475]
本稿では,ミリ波(mmWave)システムのモデル駆動深層学習(MDDL)に基づくチャネル推定とフィードバック方式を提案する。
無線周波数(RF)鎖の限られた数から高次元チャネルを推定するためのアップリンクパイロットオーバーヘッドを低減するために,位相シフトネットワークとチャネル推定器を自動エンコーダとして共同で訓練することを提案する。
MDDLに基づくチャネル推定とフィードバック方式は,最先端の手法よりも優れていることを示す。
論文 参考訳(メタデータ) (2021-04-22T13:34:53Z) - 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) - Wireless Image Retrieval at the Edge [20.45405359815043]
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。
論文 参考訳(メタデータ) (2020-07-21T16:15:40Z) - 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) - Decentralized Learning for Channel Allocation in IoT Networks over
Unlicensed Bandwidth as a Contextual Multi-player Multi-armed Bandit Game [134.88020946767404]
本稿では,プライマリセルネットワークにライセンスされたスペクトルに基づいて,アドホックなモノのインターネットネットワークにおける分散チャネル割り当て問題について検討する。
本研究では,この問題をコンテキスト型マルチプレイヤー・マルチアームバンディットゲームにマッピングし,試行錯誤による純粋に分散化された3段階ポリシー学習アルゴリズムを提案する。
論文 参考訳(メタデータ) (2020-03-30T10:05:35Z)
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。