論文の概要: EfficientFi: Towards Large-Scale Lightweight WiFi Sensing via CSI
Compression
- arxiv url: http://arxiv.org/abs/2204.04138v1
- Date: Fri, 8 Apr 2022 15:48:41 GMT
- ステータス: 処理完了
- システム内更新日: 2022-04-11 13:34:12.790081
- Title: EfficientFi: Towards Large-Scale Lightweight WiFi Sensing via CSI
Compression
- Title（参考訳）: EfficientFi:CSI圧縮による大規模軽量WiFiセンシングを目指して
- Authors: Jianfei Yang, Xinyan Chen, Han Zou, Dazhuo Wang, Qianwen Xu, Lihua Xie
- Abstract要約: EfficientFiは、IoTクラウドに対応した最初のWiFiセンシングフレームワークである。
CSIデータを1.368Mb/sから0.768Kb/sに圧縮する。
人間の行動認識の精度は98%を超えている。
- 参考スコア（独自算出の注目度）: 28.383494189730268
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: WiFi technology has been applied to various places due to the increasing
requirement of high-speed Internet access. Recently, besides network services,
WiFi sensing is appealing in smart homes since it is device-free,
cost-effective and privacy-preserving. Though numerous WiFi sensing methods
have been developed, most of them only consider single smart home scenario.
Without the connection of powerful cloud server and massive users, large-scale
WiFi sensing is still difficult. In this paper, we firstly analyze and
summarize these obstacles, and propose an efficient large-scale WiFi sensing
framework, namely EfficientFi. The EfficientFi works with edge computing at
WiFi APs and cloud computing at center servers. It consists of a novel deep
neural network that can compress fine-grained WiFi Channel State Information
(CSI) at edge, restore CSI at cloud, and perform sensing tasks simultaneously.
A quantized auto-encoder and a joint classifier are designed to achieve these
goals in an end-to-end fashion. To the best of our knowledge, the EfficientFi
is the first IoT-cloud-enabled WiFi sensing framework that significantly
reduces communication overhead while realizing sensing tasks accurately. We
utilized human activity recognition and identification via WiFi sensing as two
case studies, and conduct extensive experiments to evaluate the EfficientFi.
The results show that it compresses CSI data from 1.368Mb/s to 0.768Kb/s with
extremely low error of data reconstruction and achieves over 98% accuracy for
human activity recognition.
- Abstract（参考訳）: 高速インターネットアクセスの必要性が高まっているため、WiFi技術は様々な場所に応用されている。
近年,ネットワークサービスに加えて,デバイスフリー,コスト効率,プライバシ保護など,スマートホームにもWiFiセンサが注目されている。
多くのWiFiセンシング手法が開発されているが、そのほとんどは単一のスマートホームシナリオしか考慮していない。
強力なクラウドサーバと巨大なユーザの接続がなければ、大規模なWiFiセンシングは依然として難しい。
本稿では,これらの障害をまず解析し,要約し,効率的な大規模WiFiセンシングフレームワークであるEfficientFiを提案する。
EfficientFiはWiFi APのエッジコンピューティングとセンターサーバのクラウドコンピューティングで動作する。
エッジで微細なWiFiチャネル状態情報(CSI)を圧縮し、クラウドでCSIを復元し、同時にセンシングタスクを実行できる、新しいディープニューラルネットワークで構成されている。
量子化オートエンコーダとジョイント分類器は、これらの目標をエンドツーエンドで達成するために設計されている。
私たちの知る限りでは、EfficientFiはIoTクラウド対応のWiFiセンシングフレームワークとしては初めてのもので、検知タスクを正確に実現しながら通信オーバーヘッドを大幅に削減します。
wifiセンシングによるヒューマンアクティビティ認識と同定を2つのケーススタディとして活用し,効率性評価のための広範囲な実験を行った。
その結果、CSIデータを1.368Mb/sから0.768Kb/sに極めて低い誤差で圧縮し、人間の活動認識の精度を98%以上達成した。
関連論文リスト
- WiMANS: A Benchmark Dataset for WiFi-based Multi-user Activity Sensing [8.143761572557539]
WiMANSはWiFiに基づくマルチユーザーセンシングのための最初のデータセットである。
We exploit WiMANS to benchmark the performance of State-of-the-the-art WiFi-based human sensor model and video-based model。
論文 参考訳（メタデータ） (2024-01-24T16:10:14Z) - Vision Reimagined: AI-Powered Breakthroughs in WiFi Indoor Imaging [4.236383297604285]
全方位信号としてのWiFiは、受動的撮像を行い、最新の情報をすべての接続デバイスに同期させる有望な候補である。
これは、WiFi屋内イメージングを、計測されたWiFi電力を高解像度の屋内画像に変換するマルチモーダル画像生成タスクとして考える最初の研究である。
提案するWiFi-GENネットワークは,物理モデルに基づく手法で実現した形状復元精度の275%を達成している。
論文 参考訳（メタデータ） (2024-01-09T02:20:30Z) - SqueezerFaceNet: Reducing a Small Face Recognition CNN Even More Via
Filter Pruning [55.84746218227712]
我々は,100万パラメータ未満の軽量顔認識ネットワークであるSqueezerFaceNetを開発した。
性能を損なうことなく、さらに(最大40%)削減できることを示す。
論文 参考訳（メタデータ） (2023-07-20T08:38:50Z) - Exposing the CSI: A Systematic Investigation of CSI-based Wi-Fi Sensing
Capabilities and Limitations [16.819111460629397]
この研究は、Wi-Fi 6の機能がセンシング性能に与える影響を明らかにし、将来のWi-Fiセンシング研究のためのベンチマークを作成することを目的としている。
我々は,Wi-Fi 6信号を用いて,3人,3環境,12活動を含む広範囲なCSIデータ収集キャンペーンを実施している。
ビデオ記録によって得られた匿名化された地上の真実は、3つのコレクターから約2時間分のCSIデータを含む80GBのデータセットを伴っている。
論文 参考訳（メタデータ） (2023-02-02T10:21:00Z) - DensePose From WiFi [86.61881052177228]
WiFi信号の位相と振幅を24のヒト領域内の紫外線座標にマッピングするディープニューラルネットワークを開発した。
本モデルでは,複数の被験者の密集したポーズを,画像に基づくアプローチと同等の性能で推定することができる。
論文 参考訳（メタデータ） (2022-12-31T16:48:43Z) - Deep Learning and Its Applications to WiFi Human Sensing: A Benchmark
and A Tutorial [38.24503926348819]
本研究では,WiFi センシングのための様々なディープラーニングモデルの有効性を検討するためのベンチマーク SenseFi を提案する。
CSIハードウェアプラットフォームからセンシングアルゴリズムに至るまで、ディープラーニングベースのWiFiセンシングのチュートリアルと見なされている。
われわれの知る限りでは、WiFiセンシング研究におけるディープラーニングのためのオープンソースのライブラリの最初のベンチマークとなる。
論文 参考訳（メタデータ） (2022-07-16T07:23:45Z) - WiFi-based Spatiotemporal Human Action Perception [53.41825941088989]
SNN(End-to-end WiFi signal Neural Network)は、Wi-Fiのみのセンシングを可能にするために提案されている。
特に、3D畳み込みモジュールはWiFi信号の時間的連続性を探索することができ、特徴自己保持モジュールは支配的な特徴を明示的に維持することができる。
論文 参考訳（メタデータ） (2022-06-20T16:03:45Z) - A Wireless-Vision Dataset for Privacy Preserving Human Activity
Recognition [53.41825941088989]
アクティビティ認識の堅牢性を改善するため,WiNN(WiFi-based and video-based neural network)が提案されている。
以上の結果から,WiViデータセットは一次需要を満足し,パイプライン内の3つのブランチはすべて,80%以上のアクティビティ認識精度を維持していることがわかった。
論文 参考訳（メタデータ） (2022-05-24T10:49:11Z) - GraSens: A Gabor Residual Anti-aliasing Sensing Framework for Action
Recognition using WiFi [52.530330427538885]
WiFiベースのヒューマンアクション認識(HAR)は、スマートリビングやリモート監視といったアプリケーションにおいて、有望なソリューションと見なされている。
本稿では,無線機器からのWiFi信号を用いた動作を,多様なシナリオで直接認識する,エンド・ツー・エンドのGabor残差検知ネットワーク(GraSens)を提案する。
論文 参考訳（メタデータ） (2022-05-24T10:20:16Z) - NAS-FCOS: Efficient Search for Object Detection Architectures [113.47766862146389]
簡易なアンカーフリー物体検出器の特徴ピラミッドネットワーク (FPN) と予測ヘッドを探索し, より効率的な物体検出手法を提案する。
慎重に設計された検索空間、検索アルゴリズム、ネットワーク品質を評価するための戦略により、8つのV100 GPUを使用して、4日以内に最高のパフォーマンスの検知アーキテクチャを見つけることができる。
論文 参考訳（メタデータ） (2021-10-24T12:20:04Z) - WiFiTrace: Network-based Contact Tracing for Infectious Diseases Using
Passive WiFi Sensing [0.0]
WiFiTraceは、クライアント側を介さずに、パッシブWiFiセンシングに依存する、接触追跡のためのネットワーク中心のアプローチである。
弊社のアプローチでは、企業ネットワークが収集したWiFiネットワークログを、パフォーマンスとセキュリティ監視に活用する。
論文 参考訳（メタデータ） (2020-05-25T11:42:22Z)
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。