論文の概要: CloudEye: A New Paradigm of Video Analysis System for Mobile Visual Scenarios

• arxiv url: http://arxiv.org/abs/2410.18399v1
• Date: Thu, 24 Oct 2024 03:27:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-10-25 16:43:27.611799
• Title: CloudEye: A New Paradigm of Video Analysis System for Mobile Visual Scenarios
• Title（参考訳）: CloudEye: モバイルビジュアルシナリオのためのビデオ分析システムの新たなパラダイム
• Authors: Huan Cui, Qing Li, Hanling Wang, Yong jiang,
• Abstract要約: CloudEyeはリアルタイムで効率的なモバイル視覚認識システムである。 エッジサーバを備え、クラウドサーバと調整されたモバイルビジョンシステム環境において、エッジサーバ上のコンテンツ情報マイニングを使用する。 ネットワーク帯域幅を69.50%削減し、推論速度を24.55%向上させ、検出精度を67.30%向上させる。
• 参考スコア（独自算出の注目度）: 22.871591373774802
• License:
• Abstract: Mobile deep vision systems play a vital role in numerous scenarios. However, deep learning applications in mobile vision scenarios face problems such as tight computing resources. With the development of edge computing, the architecture of edge clouds has mitigated some of the issues related to limited computing resources. However, it has introduced increased latency. To address these challenges, we designed CloudEye which consists of Fast Inference Module, Feature Mining Module and Quality Encode Module. CloudEye is a real-time, efficient mobile visual perception system that leverages content information mining on edge servers in a mobile vision system environment equipped with edge servers and coordinated with cloud servers. Proven by sufficient experiments, we develop a prototype system that reduces network bandwidth usage by 69.50%, increases inference speed by 24.55%, and improves detection accuracy by 67.30%
• Abstract（参考訳）: モバイルのディープビジョンシステムは、多くのシナリオにおいて重要な役割を果たす。 しかし、モバイルビジョンシナリオにおけるディープラーニングアプリケーションは、厳密なコンピューティングリソースのような問題に直面している。 エッジコンピューティングの発展により、エッジクラウドのアーキテクチャは、限られたコンピューティングリソースに関連する問題を緩和した。 しかし、レイテンシが向上した。 これらの課題に対処するため、高速推論モジュール、フィーチャーマイニングモジュール、品質エンコードモジュールからなるCloudEyeを設計しました。 CloudEyeは,エッジサーバを備えたモバイルビジョンシステム環境において,エッジサーバ上のコンテンツ情報マイニングを活用する,リアルタイムかつ効率的なモバイル視覚認識システムである。 十分な実験により、ネットワーク帯域幅を69.50%削減し、推論速度を24.55%向上し、検出精度を67.30%向上するプロトタイプシステムを開発した。

関連論文リスト

• Task-Oriented Real-time Visual Inference for IoVT Systems: A Co-design Framework of Neural Networks and Edge Deployment [61.20689382879937]
  タスク指向エッジコンピューティングは、データ分析をエッジにシフトすることで、この問題に対処する。 既存の手法は、高いモデル性能と低いリソース消費のバランスをとるのに苦労している。 ニューラルネットワークアーキテクチャを最適化する新しい協調設計フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-10-29T19:02:54Z)
• High-Resolution Cloud Detection Network [4.717213036330225]
  本稿では,高分解能クラウド検出ネットワーク(HR-cloud-Net)を紹介する。 HR-cloud-Netは高分解能表現モジュール、レイヤーワイド機能融合モジュール、多分解能ピラミッドプールモジュールを統合している。 ノイズの多い拡張画像に基づいて訓練された学生ビューを教師ビューで教師が通常の画像を処理するという,新しいアプローチが導入された。
  論文  参考訳（メタデータ） (2024-07-10T04:54:03Z)
• Combining Cloud and Mobile Computing for Machine Learning [2.595189746033637]
  モデルセグメンテーションはユーザエクスペリエンスを改善するためのソリューションだと考えている。 この部門は、ユーザの待ち時間を短縮するだけでなく、クラウドのワークロードを最適化するための微調整も可能であることを示しています。
  論文  参考訳（メタデータ） (2024-01-20T06:14:22Z)
• Streaming Video Analytics On The Edge With Asynchronous Cloud Support [2.7456483236562437]
  本稿では,エッジとクラウドの予測を融合させ,低レイテンシで高精度なエッジクラウド融合アルゴリズムを提案する。 ビデオのオブジェクト検出(多くのビデオ分析シナリオに適用可能)に注目し、融合したエッジクラウド予測が、エッジのみのシナリオとクラウドのみのシナリオの精度を最大50%上回ることを示す。
  論文  参考訳（メタデータ） (2022-10-04T06:22:13Z)
• Unsupervised Point Cloud Representation Learning with Deep Neural Networks: A Survey [104.71816962689296]
  大規模クラウドラベリングの制約により,教師なしのポイントクラウド表現学習が注目されている。 本稿では、ディープニューラルネットワークを用いた教師なしポイントクラウド表現学習の総合的なレビューを提供する。
  論文  参考訳（メタデータ） (2022-02-28T07:46:05Z)
• 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)
• Auto-Split: A General Framework of Collaborative Edge-Cloud AI [49.750972428032355]
  本稿では,Huawei Cloudのエッジクラウド共同プロトタイプであるAuto-Splitの技法と技術実践について述べる。 私たちの知る限りでは、Deep Neural Network(DNN)分割機能を提供する既存の産業製品はありません。
  論文  参考訳（メタデータ） (2021-08-30T08:03:29Z)
• A Serverless Cloud-Fog Platform for DNN-Based Video Analytics with Incremental Learning [31.712746462418693]
  本稿では、クライアント-フォグクラウドのシナジーをフル活用して、DNNベースのビデオ分析に役立てる最初のサーバーレスシステムを提案する。 この目的のために、V(Video-Platform-as-a-Service)と呼ばれる総合的なクラウドフォッグシステムを実装した。 評価の結果、Vは複数のSOTAシステムよりも優れており、高い精度を維持しながら帯域幅を最大21%削減し、RTTを最大62.5%削減し、クラウドの金融コストを最大50%削減している。
  論文  参考訳（メタデータ） (2021-02-05T05:59:36Z)
• Anomaly Detection in a Large-scale Cloud Platform [9.283888139549067]
  クラウドコンピューティングはユビキタスで、ますます多くの企業がワークロードをクラウドに移行している。 サービスプロバイダは、成長を続ける製品の品質を効果的に監視する必要があります。 我々は,IBM Cloud Platform用の自動監視システムを設計,実装した。
  論文  参考訳（メタデータ） (2020-10-21T12:58:36Z)
• A Privacy-Preserving Distributed Architecture for Deep-Learning-as-a-Service [68.84245063902908]
  本稿では,ディープラーニング・アズ・ア・サービスのための分散アーキテクチャを提案する。 クラウドベースのマシンとディープラーニングサービスを提供しながら、ユーザの機密データを保存できる。
  論文  参考訳（メタデータ） (2020-03-30T15:12:03Z)
• Deep Learning for 3D Point Clouds: A Survey [58.954684611055]
  本稿では,ポイントクラウドにおけるディープラーニング手法の最近の進歩を概観する。 3D形状分類、3Dオブジェクトの検出と追跡、3Dポイントクラウドセグメンテーションを含む3つの主要なタスクをカバーしている。 また、いくつかの公開データセットで比較結果を提示する。
  論文  参考訳（メタデータ） (2019-12-27T09:15:54Z)

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。