論文の概要: Deep Learning-Driven Edge Video Analytics: A Survey
- arxiv url: http://arxiv.org/abs/2211.15751v1
- Date: Mon, 28 Nov 2022 20:11:37 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-30 15:46:16.837423
- Title: Deep Learning-Driven Edge Video Analytics: A Survey
- Title(参考訳): ディープラーニング駆動のエッジビデオ分析:調査
- Authors: Renjie Xu, Saiedeh Razavi and Rong Zheng
- Abstract要約: ビデオ分析(VA)は、デジタル情報のグローバルな爆発における重要な要因である。
インターネットに接続されたデバイスの普及に伴い、大量のデータが毎日生成され、クラウドを圧倒する。
ワークロードとサービスをネットワークコアからネットワークエッジに移行する、新たなパラダイムであるエッジコンピューティングは、有望なソリューションとして広く認識されている。
この調査は、読者がVAとエッジコンピューティングの関係を理解するのに役立つ。
- 参考スコア(独自算出の注目度): 3.8190210368395374
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Video, as a key driver in the global explosion of digital information, can
create tremendous benefits for human society. Governments and enterprises are
deploying innumerable cameras for a variety of applications, e.g., law
enforcement, emergency management, traffic control, and security surveillance,
all facilitated by video analytics (VA). This trend is spurred by the rapid
advancement of deep learning (DL), which enables more precise models for object
classification, detection, and tracking. Meanwhile, with the proliferation of
Internet-connected devices, massive amounts of data are generated daily,
overwhelming the cloud. Edge computing, an emerging paradigm that moves
workloads and services from the network core to the network edge, has been
widely recognized as a promising solution. The resulting new intersection, edge
video analytics (EVA), begins to attract widespread attention. Nevertheless,
only a few loosely-related surveys exist on this topic. A dedicated venue for
collecting and summarizing the latest advances of EVA is highly desired by the
community. Besides, the basic concepts of EVA (e.g., definition, architectures,
etc.) are ambiguous and neglected by these surveys due to the rapid development
of this domain. A thorough clarification is needed to facilitate a consensus on
these concepts. To fill in these gaps, we conduct a comprehensive survey of the
recent efforts on EVA. In this paper, we first review the fundamentals of edge
computing, followed by an overview of VA. The EVA system and its enabling
techniques are discussed next. In addition, we introduce prevalent frameworks
and datasets to aid future researchers in the development of EVA systems.
Finally, we discuss existing challenges and foresee future research directions.
We believe this survey will help readers comprehend the relationship between VA
and edge computing, and spark new ideas on EVA.
- Abstract(参考訳): ビデオは、デジタル情報のグローバルな爆発の鍵を握る存在であり、人間社会に多大な利益をもたらす。
政府や企業は、例えば、警察、緊急管理、交通制御、セキュリティ監視など、様々な用途に無数のカメラを配備しており、いずれもビデオ分析(VA)によって促進されている。
この傾向は、オブジェクト分類、検出、追跡のためのより正確なモデルを可能にするディープラーニング(DL)の急速な進歩によって引き起こされる。
一方、インターネットに接続されたデバイスの普及に伴い、大量のデータが毎日生成され、クラウドを圧倒する。
ワークロードとサービスをネットワークコアからネットワークエッジに移行する、新たなパラダイムであるエッジコンピューティングは、有望なソリューションとして広く認識されている。
新たな交差点であるedge video analytics(eva)は、広く注目を集め始めている。
それにもかかわらず、この話題に関する調査はごくわずかである。
EVAの最新の進歩を収集・要約するための専用会場がコミュニティから強く望まれている。
さらに、EVAの基本概念(定義、アーキテクチャなど)は曖昧であり、この領域の急速な発展のためにこれらの調査によって無視されている。
これらの概念のコンセンサスを促進するためには、徹底的な明確化が必要である。
これらのギャップを埋めるために、EVAに関する最近の取り組みを包括的に調査する。
本稿では,まずエッジコンピューティングの基礎を概観し,続いてvaの概要について述べる。
次にEVAシステムとその実現技術について述べる。
さらに,EVAシステムの開発において,今後の研究者を支援するためのフレームワークやデータセットも紹介する。
最後に,既存の課題と今後の研究方向性について考察する。
この調査は、読者がVAとエッジコンピューティングの関係を理解し、EVAに関する新しいアイデアを喚起するのに役立ちます。
関連論文リスト
- Green Edge AI: A Contemporary Survey [49.47249665895926]
グリーンエッジAIに関する現代の調査を紹介する。
その可能性にもかかわらず、エッジAIは重大な課題に直面している。主な原因は、無線エッジネットワークのリソース制限と、ディープラーニング(DL)のリソース集約性との間の二分である。
我々は、エッジAIシステムにおける3つの重要なタスクに対して、トレーニングデータ取得、エッジトレーニング、エッジ推論を含むエネルギー効率の高い設計手法について検討する。
論文 参考訳(メタデータ) (2023-12-01T04:04:37Z) - Edge AI for Internet of Energy: Challenges and Perspectives [5.267662071764103]
The Digital landscape of the Internet of Energy (IoE) is on thebrink of a revolution transformation with the integration of edge Artificial Intelligence (AI)
この包括的なレビューは、エッジAIがIoEエコシステムを再構築する可能性と可能性を解明するものだ。
論文 参考訳(メタデータ) (2023-11-28T15:01:56Z) - Edge-Based Video Analytics: A Survey [14.651419119293069]
エッジコンピューティングは、エッジサーバを使用するほとんどのビデオデータを処理することで、この障害を克服することを目的としている。
このような分析の現実的な実現には、単純な総合的なエッジサーバの使用以上のものが必要だ。
私たちは、何が機能するのか、何が機能しないのか、なぜなのかについて、包括的で詳細なレビューを提供しています。
論文 参考訳(メタデータ) (2023-03-25T02:11:31Z) - The Future of Consumer Edge-AI Computing [61.92993799731323]
Deep Learningは、主にデバイス間のハードウェアアクセラレーションによって、消費者のエンドに急速に浸透している。
将来を見据えて、孤立したハードウェアが不十分であることは明らかです。
本稿では,コンシューマエッジにおける計算資源とデータアクセスの再編成と最適化を目的とした,EdgeAI-Hubデバイスを中心とした新しいパラダイムを提案する。
論文 参考訳(メタデータ) (2022-10-19T12:41:47Z) - Delving into the Devils of Bird's-eye-view Perception: A Review,
Evaluation and Recipe [115.31507979199564]
鳥眼視(BEV)における知覚タスクの強力な表現の学習は、産業と学界の両方から注目されつつある。
センサーの構成が複雑化するにつれて、異なるセンサーからの複数のソース情報の統合と、統一されたビューにおける特徴の表現が重要になる。
BEV知覚の中核的な問題は、(a)視点からBEVへの視点変換を通して失われた3D情報を再構成する方法、(b)BEVグリッドにおける基底真理アノテーションの取得方法、(d)センサー構成が異なるシナリオでアルゴリズムを適応・一般化する方法にある。
論文 参考訳(メタデータ) (2022-09-12T15:29:13Z) - Distributed intelligence on the Edge-to-Cloud Continuum: A systematic
literature review [62.997667081978825]
このレビューは、現在利用可能な機械学習とデータ分析のための最先端ライブラリとフレームワークに関する包括的なビジョンを提供することを目的としている。
現在利用可能なEdge-to-Cloud Continuumに関する実験的な研究のための、主要なシミュレーション、エミュレーション、デプロイメントシステム、テストベッドも調査されている。
論文 参考訳(メタデータ) (2022-04-29T08:06:05Z) - Edge-Cloud Polarization and Collaboration: A Comprehensive Survey [61.05059817550049]
クラウドとエッジ両方のAIの体系的なレビューを行います。
私たちはクラウドとエッジモデリングの協調学習メカニズムを最初にセットアップしました。
我々は現在進行中の最先端AIトピックの可能性と実践経験について議論する。
論文 参考訳(メタデータ) (2021-11-11T05:58:23Z) - A Review on Deep Learning in UAV Remote Sensing [7.721988450630861]
本稿では,UAV画像に適用されるDeep Learning(DL)の基礎を概観する。
そのために、国際科学雑誌データベースに掲載された合計232の論文が調査された。
本稿では,有望な結果をDLが提示し,UAV画像データに関連するタスクを処理できる可能性について述べる。
論文 参考訳(メタデータ) (2021-01-22T16:08:38Z) - Artificial Intelligence for UAV-enabled Wireless Networks: A Survey [72.10851256475742]
無人航空機(UAV)は次世代無線通信ネットワークにおいて有望な技術であると考えられている。
人工知能(AI)は近年急速に成長し、成功している。
UAVベースのネットワークにおけるAIの潜在的な応用について概観する。
論文 参考訳(メタデータ) (2020-09-24T07:11:31Z) - Communication-Efficient Edge AI: Algorithms and Systems [39.28788394839187]
エッジデバイス(IoTデバイスなど)の大規模展開は、前例のない規模のデータを生成する。
このような巨大なデータはすべて、処理のためにエンドデバイスからクラウドに送信することはできない。
AIモデルの推論とトレーニングプロセスをエッジノードにプッシュすることで、エッジAIは有望な代替手段として浮上した。
論文 参考訳(メタデータ) (2020-02-22T09:27:55Z)
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。