論文の概要: Transferable Deployment of Semantic Edge Inference Systems via Unsupervised Domain Adaption

• arxiv url: http://arxiv.org/abs/2504.11873v1
• Date: Wed, 16 Apr 2025 08:50:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-04-17 14:38:08.450404
• Title: Transferable Deployment of Semantic Edge Inference Systems via Unsupervised Domain Adaption
• Title（参考訳）: 教師なし領域適応による意味的エッジ推論システムの転送可能展開
• Authors: Weiqiang Jiao, Suzhi Bi, Xian Li, Cheng Guo, Hao Chen, Zhi Quan,
• Abstract要約: ラベル付きデータサンプルを用いて特徴エンコーダ/デコーダの効率的なトレーニングにより推論精度を決定する。 センサデータと通信チャネルの分布の違いにより、新しい環境にシステムを展開すると、アノテートデータラベルのコストが高くなる可能性がある。 ラベル付きサンプルを必要とせずに,新しい環境下で高い推論精度を維持することができるセマンティックエッジ推論システム(DASEIN)のドメイン適応手法を提案する。
• 参考スコア（独自算出の注目度）: 45.92613926374766
• License:
• Abstract: This paper investigates deploying semantic edge inference systems for performing a common image clarification task. In particular, each system consists of multiple Internet of Things (IoT) devices that first locally encode the sensing data into semantic features and then transmit them to an edge server for subsequent data fusion and task inference. The inference accuracy is determined by efficient training of the feature encoder/decoder using labeled data samples. Due to the difference in sensing data and communication channel distributions, deploying the system in a new environment may induce high costs in annotating data labels and re-training the encoder/decoder models. To achieve cost-effective transferable system deployment, we propose an efficient Domain Adaptation method for Semantic Edge INference systems (DASEIN) that can maintain high inference accuracy in a new environment without the need for labeled samples. Specifically, DASEIN exploits the task-relevant data correlation between different deployment scenarios by leveraging the techniques of unsupervised domain adaptation and knowledge distillation. It devises an efficient two-step adaptation procedure that sequentially aligns the data distributions and adapts to the channel variations. Numerical results show that, under a substantial change in sensing data distributions, the proposed DASEIN outperforms the best-performing benchmark method by 7.09% and 21.33% in inference accuracy when the new environment has similar or 25 dB lower channel signal to noise power ratios (SNRs), respectively. This verifies the effectiveness of the proposed method in adapting both data and channel distributions in practical transfer deployment applications.
• Abstract（参考訳）: 本稿では,共通画像の明確化作業を行うためのセマンティックエッジ推論システムについて検討する。 特に、各システムは複数のIoT(Internet of Things)デバイスで構成されており、最初にセンサーデータをセマンティックな特徴にローカルにエンコードし、その後にデータ融合とタスク推論のためにエッジサーバに送信する。 ラベル付きデータサンプルを用いて特徴エンコーダ/デコーダの効率的なトレーニングにより推測精度を決定する。 センサデータと通信チャネルの分布の違いにより、新しい環境にシステムを展開することで、データラベルの注釈付けやエンコーダ/デコーダモデルの再トレーニングに高コストが発生する可能性がある。 低コストで転送可能なシステム配置を実現するため,ラベル付きサンプルを必要とせずに,新しい環境において高い推論精度を維持することができるセマンティックエッジ推論システム(DASEIN)のドメイン適応手法を提案する。 具体的には、DASEINは、教師なしドメイン適応と知識蒸留の技術を活用することにより、異なるデプロイメントシナリオ間のタスク関連データ相関を利用する。 データ分布を逐次整列させ、チャネルの変動に適応する効率的な2段階適応手順を考案する。 DASEINは, センサデータ分布の大幅な変化により, 新しい環境が25dB以下のチャネル信号とノイズパワー比(SNRs)を持つ場合, 評価精度が7.09%, 21.33%向上した。 これにより,本手法の有効性を検証し,実運用アプリケーションにおけるデータおよびチャネル分布の適合性を検証する。

関連論文リスト

• Uncertainty-Aware Source-Free Adaptive Image Super-Resolution with Wavelet Augmentation Transformer [60.31021888394358]
  Unsupervised Domain Adaptation (UDA)は、現実世界の超解像(SR)における領域ギャップ問題に効果的に対処できる 本稿では,画像SR(SODA-SR)のためのSOurce-free Domain Adaptationフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-03-31T03:14:44Z)
• FedADMM: A Robust Federated Deep Learning Framework with Adaptivity to System Heterogeneity [4.2059108111562935]
  Federated Learning(FL)は、エッジデバイスによる大規模データの分散処理のための新興フレームワークである。 本稿では,FLAD FedADMMに基づく新しいプロトコルを提案する。 我々は,FedADMMが通信効率の点で,すべてのベースライン手法を一貫して上回っていることを示す。
  論文  参考訳（メタデータ） (2022-04-07T15:58:33Z)
• Frequency Spectrum Augmentation Consistency for Domain Adaptive Object Detection [107.52026281057343]
  周波数スペクトル拡張整合(FSAC)フレームワークを4種類の低周波フィルタで構成する。 最初の段階では、オリジナルおよび拡張されたソースデータを全て利用して、オブジェクト検出器を訓練する。 第2段階では、予測一貫性のための自己学習を行うために、擬似ラベル付き拡張現実とターゲットデータを採用する。
  論文  参考訳（メタデータ） (2021-12-16T04:07:01Z)
• Attentive Prototypes for Source-free Unsupervised Domain Adaptive 3D Object Detection [85.11649974840758]
  3Dオブジェクト検出ネットワークは、トレーニングされたデータに対してバイアスを受ける傾向がある。 そこで本研究では,ライダーを用いた3次元物体検出器のソースレス・教師なし領域適応のための単一フレーム手法を提案する。
  論文  参考訳（メタデータ） (2021-11-30T18:42:42Z)
• Dispensed Transformer Network for Unsupervised Domain Adaptation [21.256375606219073]
  本稿では,新しい非教師付き領域適応 (UDA) 方式であるディスペンデントトランスフォーマーネットワーク (DTNet) について述べる。 提案するネットワークは,いくつかの最先端技術と比較して,最高の性能を実現している。
  論文  参考訳（メタデータ） (2021-10-28T08:27:44Z)
• Instance Level Affinity-Based Transfer for Unsupervised Domain Adaptation [74.71931918541748]
  ILA-DAと呼ばれる適応中のソースからターゲットへの転送に対するインスタンス親和性に基づく基準を提案する。 まず、ソースとターゲットをまたいだ類似および異種サンプルを抽出し、マルチサンプルのコントラスト損失を利用してドメインアライメントプロセスを駆動する信頼性が高く効率的な手法を提案する。 ILA-DAの有効性は、様々なベンチマークデータセットに対する一般的なドメイン適応手法よりも精度が一貫した改善を観察することによって検証する。
  論文  参考訳（メタデータ） (2021-04-03T01:33:14Z)
• Learning Task-Oriented Communication for Edge Inference: An Information Bottleneck Approach [3.983055670167878]
  ローエンドエッジ装置は、ローカルデータサンプルの抽出された特徴ベクトルを強力なエッジサーバに送信して処理する。 帯域幅が限られているため、データを低遅延推論のための情報的かつコンパクトな表現に符号化することが重要である。 特徴抽出,ソース符号化,チャネル符号化を協調的に最適化する学習型通信方式を提案する。
  論文  参考訳（メタデータ） (2021-02-08T12:53:32Z)
• Collaborative Training between Region Proposal Localization and Classification for Domain Adaptive Object Detection [121.28769542994664]
  オブジェクト検出のためのドメイン適応は、ラベル付きデータセットからラベル付きデータセットへの検出を適応させようとする。 本稿では,地域提案ネットワーク (RPN) と地域提案分類器 (RPC) が,大きなドメインギャップに直面した場合の転送可能性が大きく異なることを初めて明らかにする。
  論文  参考訳（メタデータ） (2020-09-17T07:39:52Z)

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。