論文の概要: Adaptive Subsampling for ROI-based Visual Tracking: Algorithms and FPGA Implementation

• arxiv url: http://arxiv.org/abs/2112.09775v1
• Date: Fri, 17 Dec 2021 21:38:30 GMT
• ステータス: 処理完了
• システム内更新日: 2021-12-21 17:56:32.467731
• Title: Adaptive Subsampling for ROI-based Visual Tracking: Algorithms and FPGA Implementation
• Title（参考訳）: ROIに基づくビジュアルトラッキングのための適応サブサンプリング:アルゴリズムとFPGA実装
• Authors: Odrika Iqbal, Victor Isaac Torres Muro, Sameeksha Katoch, Andreas Spanias and Suren Jayasuriya
• Abstract要約: 我々は、将来のフレームにROIがどこにあるかを予測することによって、アプリケーションを追跡するためにROIのプログラマビリティをどのように活用するかを検討する。 適応サブサンプリングアルゴリズムは、物体検出器と、視覚パイプラインのエネルギー効率を最適化するために協調して動作するROI予測器(カルマンフィルタ)から構成される。 精度とレイテンシのトレードオフに関して、ECOベースのアルゴリズムは、ほぼリアルタイムのパフォーマンス(19.23 FPS)を提供しながら、競合する追跡精度を実現する。
• 参考スコア（独自算出の注目度）: 16.114903235867136
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: There is tremendous scope for improving the energy efficiency of embedded vision systems by incorporating programmable region-of-interest (ROI) readout in the image sensor design. In this work, we study how ROI programmability can be leveraged for tracking applications by anticipating where the ROI will be located in future frames and switching pixels off outside of this region. We refer to this process of ROI prediction and corresponding sensor configuration as adaptive subsampling. Our adaptive subsampling algorithms comprise an object detector and an ROI predictor (Kalman filter) which operate in conjunction to optimize the energy efficiency of the vision pipeline with the end task being object tracking. To further facilitate the implementation of our adaptive algorithms in real life, we select a candidate algorithm and map it onto an FPGA. Leveraging Xilinx Vitis AI tools, we designed and accelerated a YOLO object detector-based adaptive subsampling algorithm. In order to further improve the algorithm post-deployment, we evaluated several competing baselines on the OTB100 and LaSOT datasets. We found that coupling the ECO tracker with the Kalman filter has a competitive AUC score of 0.4568 and 0.3471 on the OTB100 and LaSOT datasets respectively. Further, the power efficiency of this algorithm is on par with, and in a couple of instances superior to, the other baselines. The ECO-based algorithm incurs a power consumption of approximately 4 W averaged across both datasets while the YOLO-based approach requires power consumption of approximately 6 W (as per our power consumption model). In terms of accuracy-latency tradeoff, the ECO-based algorithm provides near-real-time performance (19.23 FPS) while managing to attain competitive tracking precision.
• Abstract（参考訳）: 画像センサの設計には、プログラム可能な領域(ROI)の読み出しを組み込むことで、組込み視覚システムのエネルギー効率を向上させるための膨大な範囲がある。 本研究では、将来のフレームにROIがどこにあるのかを予測し、この領域の外でピクセルをオフにすることで、ROIプログラム可能性をどのように利用してアプリケーションを追跡するかを検討する。 本稿では、このROI予測プロセスと対応するセンサ構成を適応サブサンプリングと呼ぶ。 適応型サブサンプリングアルゴリズムは、オブジェクト検出器と、視覚パイプラインのエネルギー効率を最適化するために協調して動作するROI予測器(カルマンフィルタ)から構成される。 実生活における適応アルゴリズムの実装をさらに促進するために、候補アルゴリズムを選択し、FPGAにマップする。 Xilinx Vitis AIツールを活用し, YOLOオブジェクト検出に基づく適応サブサンプリングアルゴリズムの設計と高速化を行った。 デプロイ後のアルゴリズムをさらに改善するために,otb100 と lasot データセット上で競合するいくつかのベースラインを評価した。 その結果,OCOトラッカーとカルマンフィルタの結合は,OCB100およびLaSOTデータセット上でそれぞれ0.4568と0.3471のAUCスコアを持つことがわかった。 さらに、このアルゴリズムの電力効率は、他のベースラインと同等であり、いくつかのインスタンスで同等である。 ECOベースのアルゴリズムは、両方のデータセットで平均4Wの消費電力を発生させる一方、YOLOベースのアプローチでは、消費電力は約6W(電力消費モデルによる)である。 精度とレイテンシのトレードオフに関して、ECOベースのアルゴリズムは、ほぼリアルタイムのパフォーマンス(19.23 FPS)を提供しながら、競合する追跡精度を実現する。

関連論文リスト

• Testing the Efficacy of Hyperparameter Optimization Algorithms in Short-Term Load Forecasting [0.0]
  我々は、Panaama Electricityデータセットを用いて、サロゲート予測アルゴリズムであるXGBoostのHPOアルゴリズムの性能を、精度(MAPE、$R2$)とランタイムで評価する。 その結果,Random SearchよりもHPOアルゴリズムが優れていることがわかった。
  論文  参考訳（メタデータ） (2024-10-19T09:08:52Z)
• Reconfigurable Intelligent Surface Aided Vehicular Edge Computing: Joint Phase-shift Optimization and Multi-User Power Allocation [28.47670676456068]
  本稿では、車載通信を支援するための代替通信経路を提供するRIS(Reconfigurable Intelligent Surfaces)について紹介する。 本稿では、RIS位相シフト係数を最適化するDeep Deterministic Policy Gradient(DDPG)アルゴリズムと、車両ユーザ(VU)の電力配分を最適化するMulti-Agent Deep Deterministic Policy Gradient(MADDPG)アルゴリズムを組み合わせたDRLフレームワークを提案する。 シミュレーションの結果,提案手法は従来の集中型DDPG, Twin Delayed Deep Deterministic Policy Gradient (TD3) およびいくつかの典型的なスキームよりも優れていた。
  論文  参考訳（メタデータ） (2024-07-18T03:18:59Z)
• Energy-Efficient Federated Edge Learning with Streaming Data: A Lyapunov Optimization Approach [34.00679567444125]
  本研究では,長期エネルギー制約下でのデータ到着や資源の可利用性に固有のランダム性に対処する動的スケジューリングと資源割当アルゴリズムを開発した。 提案アルゴリズムは, デバイススケジューリング, 計算容量調整, 帯域幅の割り当ておよび各ラウンドの送信電力を適応的に決定する。 本手法の有効性をシミュレーションにより検証し,ベースライン方式と比較して学習性能とエネルギー効率が向上したことを示す。
  論文  参考訳（メタデータ） (2024-05-20T14:13:22Z)
• Joint User Association, Interference Cancellation and Power Control for Multi-IRS Assisted UAV Communications [80.35959154762381]
  インテリジェント反射面(IRS)支援無人航空機(UAV)通信は、地上基地局の負荷を低コストで軽減することが期待されている。 既存の研究は主に、複数のIRSではなく単一のIRSの配置とリソース割り当てに焦点を当てている。 我々は,共同IRSユーザアソシエーションのための新しい最適化アルゴリズム,UAVの軌道最適化,逐次干渉キャンセル(SIC)復号命令スケジューリング,電力割り当てを提案する。
  論文  参考訳（メタデータ） (2023-12-08T01:57:10Z)
• Adaptive Resource Allocation for Virtualized Base Stations in O-RAN with Online Learning [60.17407932691429]
  基地局(vBS)を備えたオープンラジオアクセスネットワークシステムは、柔軟性の向上、コスト削減、ベンダーの多様性、相互運用性のメリットを提供する。 本研究では,予期せぬ「混み合う」環境下であっても,効率的なスループットとvBSエネルギー消費のバランスをとるオンライン学習アルゴリズムを提案する。 提案手法は, 課題のある環境においても, 平均最適性ギャップをゼロにすることで, サブ線形後悔を実現する。
  論文  参考訳（メタデータ） (2023-09-04T17:30:21Z)
• Task-Oriented Sensing, Computation, and Communication Integration for Multi-Device Edge AI [108.08079323459822]
  本稿では,AIモデルの分割推論と統合センシング通信(ISAC)を併用した,新しいマルチインテリジェントエッジ人工レイテンシ(AI)システムについて検討する。 推定精度は近似的だが抽出可能な計量、すなわち判別利得を用いて測定する。
  論文  参考訳（メタデータ） (2022-07-03T06:57:07Z)
• Federated Learning for Energy-limited Wireless Networks: A Partial Model Aggregation Approach [79.59560136273917]
  デバイス間の限られた通信資源、帯域幅とエネルギー、およびデータ不均一性は、連邦学習(FL)の主要なボトルネックである まず、部分モデルアグリゲーション(PMA)を用いた新しいFLフレームワークを考案する。 提案されたPMA-FLは、2つの典型的な異種データセットにおいて2.72%と11.6%の精度を改善する。
  論文  参考訳（メタデータ） (2022-04-20T19:09:52Z)
• Adaptive Approach For Sparse Representations Using The Locally Competitive Algorithm For Audio [5.6394515393964575]
  本稿ではガンマチャープのパラメータを最適化するための適応的アプローチを提案する。 提案手法はLCAのニューラルネットワークを利用してガンマチャープのフィルタバンクを自動的に適応する。 以上の結果から, このアプローチによるLCAの性能向上は, スパーシリティ, 再建品質, 収束時間の観点から示される。
  論文  参考訳（メタデータ） (2021-09-29T20:26:16Z)
• Reconfigurable Intelligent Surface Assisted Mobile Edge Computing with Heterogeneous Learning Tasks [53.1636151439562]
  モバイルエッジコンピューティング(MEC)は、AIアプリケーションに自然なプラットフォームを提供します。 再構成可能なインテリジェントサーフェス(RIS)の助けを借りて、MECで機械学習タスクを実行するインフラストラクチャを提示します。 具体的には,モバイルユーザの送信パワー,基地局のビームフォーミングベクトル,risの位相シフト行列を共同で最適化することにより,参加ユーザの学習誤差を最小化する。
  論文  参考訳（メタデータ） (2020-12-25T07:08:50Z)
• Optimization-driven Deep Reinforcement Learning for Robust Beamforming in IRS-assisted Wireless Communications [54.610318402371185]
  Intelligent Reflecting Surface (IRS)は、マルチアンテナアクセスポイント(AP)から受信機へのダウンリンク情報伝達を支援する有望な技術である。 我々は、APのアクティブビームフォーミングとIRSのパッシブビームフォーミングを共同最適化することで、APの送信電力を最小化する。 過去の経験からビームフォーミング戦略に適応できる深層強化学習(DRL)手法を提案する。
  論文  参考訳（メタデータ） (2020-05-25T01:42:55Z)

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。