論文の概要: Efficient Deep Learning Models for Privacy-preserving People Counting on Low-resolution Infrared Arrays

• arxiv url: http://arxiv.org/abs/2304.06059v2
• Date: Tue, 5 Dec 2023 09:16:40 GMT
• ステータス: 処理完了
• システム内更新日: 2023-12-06 20:19:11.018175
• Title: Efficient Deep Learning Models for Privacy-preserving People Counting on Low-resolution Infrared Arrays
• Title（参考訳）: 低分解能赤外線アレイを用いたプライバシー保護のための効率的な深層学習モデル
• Authors: Chen Xie, Francesco Daghero, Yukai Chen, Marco Castellano, Luca Gandolfi, Andrea Calimera, Enrico Macii, Massimo Poncino, Daniele Jahier Pagliari
• Abstract要約: 赤外線(IR)アレイセンサーは低コストで省エネでプライバシー保護のソリューションを提供する。 これまでの研究は、ディープラーニング(DL)がこのタスクにおいて優れたパフォーマンスが得られることを示した。 商業用8x8アレイから収集したIR画像からなる新しいデータセット上で,6種類のDLアーキテクチャを比較した。
• 参考スコア（独自算出の注目度）: 11.363207467478134
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Ultra-low-resolution Infrared (IR) array sensors offer a low-cost, energy-efficient, and privacy-preserving solution for people counting, with applications such as occupancy monitoring. Previous work has shown that Deep Learning (DL) can yield superior performance on this task. However, the literature was missing an extensive comparative analysis of various efficient DL architectures for IR array-based people counting, that considers not only their accuracy, but also the cost of deploying them on memory- and energy-constrained Internet of Things (IoT) edge nodes. In this work, we address this need by comparing 6 different DL architectures on a novel dataset composed of IR images collected from a commercial 8x8 array, which we made openly available. With a wide architectural exploration of each model type, we obtain a rich set of Pareto-optimal solutions, spanning cross-validated balanced accuracy scores in the 55.70-82.70% range. When deployed on a commercial Microcontroller (MCU) by STMicroelectronics, the STM32L4A6ZG, these models occupy 0.41-9.28kB of memory, and require 1.10-7.74ms per inference, while consuming 17.18-120.43 $\mu$J of energy. Our models are significantly more accurate than a previous deterministic method (up to +39.9%), while being up to 3.53x faster and more energy efficient. Further, our models' accuracy is comparable to state-of-the-art DL solutions on similar resolution sensors, despite a much lower complexity. All our models enable continuous, real-time inference on a MCU-based IoT node, with years of autonomous operation without battery recharging.
• Abstract（参考訳）: 超低解像度赤外線(ir)アレイセンサーは、人計数のための低コスト、エネルギー効率、プライバシー保護ソリューションを提供する。 これまでの研究は、ディープラーニング(DL)がこのタスクにおいて優れたパフォーマンスが得られることを示した。 しかし、これらの文献では、irアレイに基づく様々な効率的なdlアーキテクチャの比較分析が欠落しており、その精度だけでなく、メモリやエネルギー制約のあるiot(internet of things)エッジノードへのデプロイコストも考慮されている。 本研究では、商用8x8アレイから収集したIR画像からなる新しいデータセットに対して、6種類のDLアーキテクチャを比較し、このニーズに対処する。 各モデルタイプを広いアーキテクチャで探索することにより、55.70-82.70%の範囲で、クロスバリデーションされた平衡精度スコアにまたがる、パレート最適解の豊富な集合が得られる。 STマイクロエレクトロニクス(STM32L4A6ZG)によって商用のマイクロコントローラ(MCU)に配備されると、これらのモデルは0.41-9.28kBのメモリを占有し、推論毎に1.10-7.74msを必要とする。 我々のモデルは従来の決定論的手法(最大39.9%)よりもかなり正確だが、最大で3.53倍高速でエネルギー効率が高い。 さらに,我々のモデルの精度は,精度がかなり低いにもかかわらず,同様の解像度センサを用いた最先端のdlソリューションに匹敵する。 当社のモデルはすべて,MCUベースのIoTノード上で,バッテリ充電なしで数年間の自律運用が可能な,継続的かつリアルタイムな推論を実現しています。

関連論文リスト

• Quasar-ViT: Hardware-Oriented Quantization-Aware Architecture Search for Vision Transformers [56.37495946212932]
  視覚変換器(ViT)は、畳み込みニューラルネットワーク(CNN)と比較して、コンピュータビジョンタスクにおいて優れた精度を示す。 ハードウェア指向の量子化対応アーキテクチャ検索フレームワークであるQuasar-ViTを提案する。
  論文  参考訳（メタデータ） (2024-07-25T16:35:46Z)
• A Pairwise Comparison Relation-assisted Multi-objective Evolutionary Neural Architecture Search Method with Multi-population Mechanism [58.855741970337675]
  ニューラルアーキテクチャサーチ(NAS)により、リサーチ者は広大なサーチスペースを自動的に探索し、効率的なニューラルネットワークを見つけることができる。 NASは重要なボトルネックに悩まされており、探索プロセス中に多くのアーキテクチャを評価する必要がある。 SMEM-NASは,多集団構造に基づく多目的進化アルゴリズムである。
  論文  参考訳（メタデータ） (2024-07-22T12:46:22Z)
• HW-SW Optimization of DNNs for Privacy-preserving People Counting on Low-resolution Infrared Arrays [9.806742394395322]
  低分解能赤外線(IR)アレイセンサは、空間や人の流れの占有をモニターするなどのアプリケーションを数えることができる。 ディープニューラルネットワーク(DNN)は、これらのセンサデータを正確かつ効率的な方法で処理するのに適していることが示されている。 本稿では、ニューラルネットワーク探索、混合精度量子化、後処理といったDNNのための高度に自動化されたフルスタック最適化フローを提案する。
  論文  参考訳（メタデータ） (2024-02-02T08:45:38Z)
• Dynamic Decision Tree Ensembles for Energy-Efficient Inference on IoT Edge Nodes [12.99136544903102]
  ランダムフォレスト (RFs) やグラディエント・ブースティング (GBTs) のような決定木アンサンブルは、その複雑さが比較的低いため、この作業に特に適している。 本稿では、遅延/エネルギー目標と処理された入力の複雑さの両方に基づいて実行された木数を調整する動的アンサンブルの使用を提案する。 我々は、Pythonアンサンブルを最適化されたCコードに変換するツールを設計し、これらのアルゴリズムをマルチコアの低消費電力IoTデバイスにデプロイすることに重点を置いている。
  論文  参考訳（メタデータ） (2023-06-16T11:59:18Z)
• Multi-Complexity-Loss DNAS for Energy-Efficient and Memory-Constrained Deep Neural Networks [22.40937602825472]
  エネルギーとメモリは、特に低コストで微分可能な(DNAS)ソリューションによって同時に考えることは滅多にない。 設計者の視点から最も現実的なシナリオに対処する最初のDNASを提案する。 我々のネットワークは、同じメモリ制約に対するエネルギー消費の2.18倍、精度の4.04%の範囲に及び、ベースラインに対して無視できる精度の低下でエネルギーを2.2倍まで削減する。
  論文  参考訳（メタデータ） (2022-06-01T08:04:50Z)
• Benchmarking the Robustness of LiDAR-Camera Fusion for 3D Object Detection [58.81316192862618]
  自律運転における3D知覚のための2つの重要なセンサーは、カメラとLiDARである。 これら2つのモダリティを融合させることで、3次元知覚モデルの性能を大幅に向上させることができる。 我々は、最先端の核融合法を初めてベンチマークした。
  論文  参考訳（メタデータ） (2022-05-30T09:35:37Z)
• Privacy-preserving Social Distance Monitoring on Microcontrollers with Low-Resolution Infrared Sensors and CNNs [10.80166668204102]
  低解像度赤外線アレイセンサーは、光学カメラやスマートフォン/ウェアラブルに代わり、低コスト、低消費電力、プライバシー保護を提供する。 小型畳み込みニューラルネットワーク(CNN)を用いた8x8 IRアレイセンサの生出力を精度良く検出できることを実証した。 我々は,最も優れたCNNが86.3%のバランスの取れた精度を達成し,最先端の決定論的アルゴリズムによって達成された61%を著しく上回っていることを示す。
  論文  参考訳（メタデータ） (2022-04-22T07:17:45Z)
• Deep Learning for Real Time Satellite Pose Estimation on Low Power Edge TPU [58.720142291102135]
  本稿では,ニューラルネットワークアーキテクチャを利用したポーズ推定ソフトウェアを提案する。 我々は、低消費電力の機械学習アクセラレーターが宇宙での人工知能の活用を可能にしていることを示す。
  論文  参考訳（メタデータ） (2022-04-07T08:53:18Z)
• ANNETTE: Accurate Neural Network Execution Time Estimation with Stacked Models [56.21470608621633]
  本稿では,アーキテクチャ検索を対象ハードウェアから切り離すための時間推定フレームワークを提案する。 提案手法は,マイクロカーネルと多層ベンチマークからモデルの集合を抽出し,マッピングとネットワーク実行時間推定のためのスタックモデルを生成する。 生成した混合モデルの推定精度と忠実度, 統計モデルとルーフラインモデル, 評価のための洗練されたルーフラインモデルを比較した。
  論文  参考訳（メタデータ） (2021-05-07T11:39:05Z)
• FRDet: Balanced and Lightweight Object Detector based on Fire-Residual Modules for Embedded Processor of Autonomous Driving [0.0]
  本稿では, 精度, モデルサイズ, リアルタイム処理の制約をすべて満たすために, バランスのとれた軽量一段物体検出器を提案する。 我々のネットワークは、YOLOv3の精度を達成または超えながら、モデルの圧縮を最大化することを目的としている。
  論文  参考訳（メタデータ） (2020-11-16T16:15:43Z)
• DDPNAS: Efficient Neural Architecture Search via Dynamic Distribution Pruning [135.27931587381596]
  DDPNASと呼ばれる効率よく統一されたNASフレームワークを提案する。 検索空間は動的に切断され,その分布はいくつかのエポック毎に更新される。 提案した効率的なネットワーク生成手法により,与えられた制約に対する最適なニューラルネットワークアーキテクチャを直接取得する。
  論文  参考訳（メタデータ） (2019-05-28T06:35:52Z)

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。