論文の概要: Improving Efficiency of DNN-based Relocalization Module for Autonomous Driving with Server-side Computing

• arxiv url: http://arxiv.org/abs/2312.00316v1
• Date: Fri, 1 Dec 2023 03:16:10 GMT
• ステータス: 処理完了
• システム内更新日: 2023-12-04 15:52:38.957224
• Title: Improving Efficiency of DNN-based Relocalization Module for Autonomous Driving with Server-side Computing
• Title（参考訳）: サーバーサイドコンピューティングによる自律走行におけるDNNを用いた再ローカライズモジュールの効率向上
• Authors: Dengbo Li, Jieren Cheng, Boyi Liu
• Abstract要約: ディープニューラルネットワーク(DNN)を利用した自律走行車におけるカメラ移動のための新しいフレームワークを提案する。 ニューラルネットワークの特定のモジュールをサーバに戦略的にオフロードし、異なるネットワークセグメンテーション方式でデータフレームの推測時間を評価する。
• 参考スコア（独自算出の注目度）: 7.387233493286731
• License: http://creativecommons.org/publicdomain/zero/1.0/
• Abstract: In this work, we present a novel framework for camera relocation in autonomous vehicles, leveraging deep neural networks (DNN). While existing literature offers various DNN-based camera relocation methods, their deployment is hindered by their high computational demands during inference. In contrast, our approach addresses this challenge through edge cloud collaboration. Specifically, we strategically offload certain modules of the neural network to the server and evaluate the inference time of data frames under different network segmentation schemes to guide our offloading decisions. Our findings highlight the vital role of server-side offloading in DNN-based camera relocation for autonomous vehicles, and we also discuss the results of data fusion. Finally, we validate the effectiveness of our proposed framework through experimental evaluation.
• Abstract（参考訳）: 本研究では,ディープニューラルネットワーク(DNN)を活用した,自律走行車におけるカメラ移動のための新しいフレームワークを提案する。 既存の文献では、様々なDNNベースのカメラリロケーション方式が提供されているが、それらの展開は推論時の高い計算要求によって妨げられている。 対照的に、当社のアプローチはエッジクラウドのコラボレーションを通じてこの問題に対処しています。 具体的には、ニューラルネットワークの特定のモジュールをサーバに戦略的にオフロードし、異なるネットワークセグメンテーションスキームの下でデータフレームの推論時間を評価し、オフロード決定を導く。 本研究は、自律走行車におけるDNNベースのカメラ再配置におけるサーバーサイドのオフロードの重要性を明らかにするとともに、データ融合の結果についても論じる。 最後に,提案手法の有効性を実験的評価により検証する。

関連論文リスト

• Search-based DNN Testing and Retraining with GAN-enhanced Simulations [2.362412515574206]
  安全クリティカルなシステムでは、ディープニューラルネットワーク(DNN)がコンピュータビジョンタスクの重要なコンポーネントになりつつある。 本稿では,シミュレータを用いて入力空間を探索するメタヒューリスティック検索と,シミュレータが生成したデータをリアルな入力画像に変換するGAN(Generative Adversarial Networks)を組み合わせることを提案する。
  論文  参考訳（メタデータ） (2024-06-19T09:05:16Z)
• DNN Partitioning, Task Offloading, and Resource Allocation in Dynamic Vehicular Networks: A Lyapunov-Guided Diffusion-Based Reinforcement Learning Approach [49.56404236394601]
  本稿では,Vehicular Edge Computingにおける共同DNNパーティショニング,タスクオフロード,リソース割り当ての問題を定式化する。 我々の目標は、時間とともにシステムの安定性を保証しながら、DNNベースのタスク完了時間を最小化することである。 拡散モデルの革新的利用を取り入れたマルチエージェント拡散に基づく深層強化学習(MAD2RL)アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-06-11T06:31:03Z)
• Energy-Efficient On-Board Radio Resource Management for Satellite Communications via Neuromorphic Computing [59.40731173370976]
  本研究は,エネルギー効率のよい脳誘発機械学習モデルのオンボード無線リソース管理への応用について検討する。 関連するワークロードでは、Loihi 2に実装されたスパイクニューラルネットワーク(SNN)の方が精度が高く、CNNベースのリファレンスプラットフォームと比較して消費電力が100ドル以上削減される。
  論文  参考訳（メタデータ） (2023-08-22T03:13:57Z)
• LaneSNNs: Spiking Neural Networks for Lane Detection on the Loihi Neuromorphic Processor [12.47874622269824]
  我々は、イベントベースのカメラ入力を用いて、道路にマークされた車線を検出するための新しいSNNベースのアプローチであるLaneSNNを提案する。 我々は、学習したSNNモデルをIntel Loihi Neuromorphic Research Chipに実装し、マッピングする。 損失関数に対して,重み付き二元交叉エントロピー(WCE)と平均二乗誤差(MSE)の線形合成に基づく新しい手法を開発した。
  論文  参考訳（メタデータ） (2022-08-03T14:51:15Z)
• Object Detection with Spiking Neural Networks on Automotive Event Data [0.0]
  我々は、イベントカメラから直接スパイキングニューラルネットワーク(SNN)を訓練し、高速で効率的な自動車組込みアプリケーションを設計することを提案する。 本稿では,2つの自動車イベントデータセットの実験を行い,スパイクニューラルネットワークのための最先端の分類結果を確立した。
  論文  参考訳（メタデータ） (2022-05-09T14:39:47Z)
• EffCNet: An Efficient CondenseNet for Image Classification on NXP BlueBox [0.0]
  エッジデバイスは、安価なハードウェアと限られた冷却と計算資源のために、限られた処理能力を提供する。 我々はエッジデバイスのためのEffCNetと呼ばれる新しいディープ畳み込みニューラルネットワークアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2021-11-28T21:32:31Z)
• Enabling Collaborative Video Sensing at the Edge through Convolutional Sharing [2.2488787113581923]
  ネットワーク内のピアノードが協調して人検出の精度を向上させる新しいパラダイムを提案する。 初期の結果は、単一のコラボレータで最大10%のリコールの改善を約束している。
  論文  参考訳（メタデータ） (2020-12-03T06:29:09Z)
• DSDNet: Deep Structured self-Driving Network [92.9456652486422]
  本稿では,1つのニューラルネットワークを用いて物体検出,動き予測,動き計画を行うDeep Structured Self-Driving Network (DSDNet)を提案する。 我々は,アクター間の相互作用を考慮し,社会的に一貫したマルチモーダル未来予測を生成する,深く構造化されたエネルギーベースモデルを開発する。
  論文  参考訳（メタデータ） (2020-08-13T17:54:06Z)
• Identity-Aware Attribute Recognition via Real-Time Distributed Inference in Mobile Edge Clouds [53.07042574352251]
  我々は、MEC対応カメラ監視システムにおいて、re-IDを用いた歩行者属性認識のための新しいモデルの設計を行う。 本稿では,属性認識と人物再IDを協調的に考慮し,分散モジュールの集合を持つ新しい推論フレームワークを提案する。 そこで我々は,提案した分散推論フレームワークのモジュール分布の学習に基づくアルゴリズムを考案した。
  論文  参考訳（メタデータ） (2020-08-12T12:03:27Z)
• Risk-Averse MPC via Visual-Inertial Input and Recurrent Networks for Online Collision Avoidance [95.86944752753564]
  本稿では,モデル予測制御(MPC)の定式化を拡張したオンライン経路計画アーキテクチャを提案する。 我々のアルゴリズムは、状態推定の共分散を推論するリカレントニューラルネットワーク(RNN)とオブジェクト検出パイプラインを組み合わせる。 本手法のロバスト性は, 複雑な四足歩行ロボットの力学で検証され, ほとんどのロボットプラットフォームに適用可能である。
  論文  参考訳（メタデータ） (2020-07-28T07:34:30Z)
• Temporal Pulses Driven Spiking Neural Network for Fast Object Recognition in Autonomous Driving [65.36115045035903]
  スパイキングニューラルネットワーク(SNN)を用いた生時間パルスで直接物体認識問題に対処する手法を提案する。 各種データセットを用いて評価した結果,提案手法は最先端の手法に匹敵する性能を示しながら,優れた時間効率を実現している。
  論文  参考訳（メタデータ） (2020-01-24T22:58:55Z)

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。