論文の概要: Internet of Things (IoT) Based Video Analytics: a use case of Smart
Doorbell
- arxiv url: http://arxiv.org/abs/2105.06508v1
- Date: Thu, 13 May 2021 18:48:48 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-18 02:33:59.240765
- Title: Internet of Things (IoT) Based Video Analytics: a use case of Smart
Doorbell
- Title（参考訳）: IoT(Internet of Things)ベースのビデオ分析 - Smart Doorbellのユースケース
- Authors: Shailesh Arya
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The vision of the internet of things (IoT) is a reality now. IoT devices are
getting cheaper, smaller. They are becoming more and more computationally and
energy-efficient. The global market of IoT-based video analytics has seen
significant growth in recent years and it is expected to be a growing market
segment. For any IoT-based video analytics application, few key points
required, such as cost-effectiveness, widespread use, flexible design, accurate
scene detection, reusability of the framework. Video-based smart doorbell
system is one such application domain for video analytics where many commercial
offerings are available in the consumer market. However, such existing
offerings are costly, monolithic, and proprietary. Also, there will be a
trade-off between accuracy and portability. To address the foreseen problems,
I'm proposing a distributed framework for video analytics with a use case of a
smart doorbell system. The proposed framework uses AWS cloud services as a base
platform and to meet the price affordability constraint, the system was
implemented on affordable Raspberry Pi. The smart doorbell will be able to
recognize the known/unknown person with at most accuracy. The smart doorbell
system is also having additional detection functionalities such as harmful
weapon detection, noteworthy vehicle detection, animal/pet detection. An iOS
application is specifically developed for this implementation which can receive
the notification from the smart doorbell in real-time. Finally, the paper also
mentions the classical approaches for video analytics, their feasibility in
implementing with this use-case, and comparative analysis in terms of accuracy
and time required to detect an object in the frame is carried out. Results
conclude that AWS cloud-based approach is worthy for this smart doorbell use
case.
- Abstract（参考訳）: iot(internet of things, モノのインターネット)のビジョンは、今や現実だ。
IoTデバイスは安くなり、小さくなっている。
それらはますます計算量とエネルギー効率が増している。
IoTベースのビデオ分析のグローバル市場は近年大きく成長しており、市場セグメントが拡大すると予想されている。
iotベースのビデオ分析アプリケーションでは、コスト効率、広範な利用、柔軟な設計、正確なシーン検出、フレームワークの再利用性など、必要なキーポイントがほとんどない。
ビデオベースのスマートドアベルシステムは、消費者市場で多くの商用製品が提供されているビデオ分析のためのアプリケーションドメインである。
しかし、既存の製品は費用がかかり、モノリシックで、プロプライエタリである。
また、正確性とポータビリティの間にはトレードオフがある。
この問題を解決するために、スマートドアベルシステムを利用したビデオ分析のための分散フレームワークを提案しています。
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。
スマートドアベルは、その人物を最も正確に認識することができる。
スマートドアベルシステムは、有害な兵器検出、注目すべき車両検出、動物/ペット検出などの検出機能も備えている。
この実装のために開発されたiOSアプリケーションは、スマートドアベルからリアルタイムで通知を受け取ることができる。
最後に、ビデオ分析の古典的なアプローチ、このユースケースの実装可能性、フレーム内のオブジェクトを検出するのに必要な精度と時間の比較分析についても言及する。
その結果、AWSクラウドベースのアプローチは、このスマートドアベルユースケースにふさわしいと結論付けている。
関連論文リスト
- What If We Had Used a Different App? Reliable Counterfactual KPI Analysis in Wireless Systems [52.499838151272016]
本稿では、無線アクセスネットワーク(RAN)によって異なるアプリが実装された場合、キーパフォーマンス指標(KPI)の値を推定する「What-if」問題に対処する。
本稿では,推定値に対して信頼度の高い「エラーバー」を提供する無線システムに対する共形予測に基づく対実解析手法を提案する。
論文 参考訳（メタデータ） (2024-09-30T18:47:26Z) - EventTransAct: A video transformer-based framework for Event-camera
based action recognition [52.537021302246664]
イベントカメラは、RGBビデオの標準アクション認識と比較して、新しい機会を提供する。
本研究では,最初にイベントフレーム当たりの空間埋め込みを取得するビデオトランスフォーマーネットワーク(VTN)という,計算効率のよいモデルを用いる。
イベントデータのスパースできめ細かい性質にVTNをよりよく採用するために、イベントコントラストロス(mathcalL_EC$)とイベント固有の拡張を設計する。
論文 参考訳（メタデータ） (2023-08-25T23:51:07Z) - Adopting Two Supervisors for Efficient Use of Large-Scale Remote Deep
Neural Networks [4.987581730476023]
大規模ディープニューラルネットワーク(DNN)は、リソース制約されたデバイス上で効率的に動作するには大きすぎる。
そこで本研究では,システムを小規模局所モデルで予測しようとするBiSupervisedを提案する。
我々は,4種類のケーススタディにおいて,コスト削減と誤予測入力の検出能力を評価した。
論文 参考訳（メタデータ） (2023-04-05T04:35:23Z) - MAPLE-X: Latency Prediction with Explicit Microprocessor Prior Knowledge [87.41163540910854]
ディープニューラルネットワーク(DNN)レイテンシのキャラクタリゼーションは、時間を要するプロセスである。
ハードウェアデバイスの事前知識とDNNアーキテクチャのレイテンシを具体化し,MAPLEを拡張したMAPLE-Xを提案する。
論文 参考訳（メタデータ） (2022-05-25T11:08:20Z) - E^2TAD: An Energy-Efficient Tracking-based Action Detector [78.90585878925545]
本稿では,事前定義されたキーアクションを高精度かつ効率的にローカライズするためのトラッキングベースソリューションを提案する。
UAV-Video Track of 2021 Low-Power Computer Vision Challenge (LPCVC)で優勝した。
論文 参考訳（メタデータ） (2022-04-09T07:52:11Z) - A Study of Designing Compact Audio-Visual Wake Word Spotting System
Based on Iterative Fine-Tuning in Neural Network Pruning [57.28467469709369]
視覚情報を利用した小型音声覚醒単語スポッティング(WWS)システムの設計について検討する。
繰り返し微調整方式(LTH-IF)で抽選券仮説を通したニューラルネットワークプルーニング戦略を導入する。
提案システムでは,ノイズ条件の異なる単一モード(オーディオのみ,ビデオのみ)システムに対して,大幅な性能向上を実現している。
論文 参考訳（メタデータ） (2022-02-17T08:26:25Z) - JANUS: Benchmarking Commercial and Open-Source Cloud and Edge Platforms
for Object and Anomaly Detection Workloads [5.288304164492778]
Amazon Web Services (AWS) IoT Greengrassは、コンピューティングライトのアウトレイラ検出ワークロードにおいて、他のクラウドプラットフォームと比較して、少なくとも2倍のレイテンシと1.25倍のコストを提供する。
クラウドで動作するオブジェクト検出のオープンソースソリューションは、amazon、microsoft、googleが提供するプロプライエタリなソリューションに比べてドルコストを節約するが、レイテンシー(最大6倍)で失われる
低消費電力のエッジデバイスで動作する場合、レイテンシは49倍以下になる。
論文 参考訳（メタデータ） (2020-12-09T06:07:26Z) - A Demonstration of Smart Doorbell Design Using Federated Deep Learning [0.09786690381850353]
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。
論文 参考訳（メタデータ） (2020-10-19T17:22:34Z) - 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) - Superiority of Simplicity: A Lightweight Model for Network Device
Workload Prediction [58.98112070128482]
本稿では,歴史観測に基づく時系列予測のための軽量な解を提案する。
ニューラルネットワークと平均予測器という2つのモデルからなる異種アンサンブル法で構成されている。
利用可能なFedCSIS 2020チャレンジデータセットの総合的なR2$スコア0.10を達成している。
論文 参考訳（メタデータ） (2020-07-07T15:44:16Z)
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。