論文の概要: Edge Deep Learning in Computer Vision and Medical Diagnostics: A Comprehensive Survey
- arxiv url: http://arxiv.org/abs/2605.06714v1
- Date: Thu, 07 May 2026 00:19:51 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-11 19:43:38.482953
- Title: Edge Deep Learning in Computer Vision and Medical Diagnostics: A Comprehensive Survey
- Title（参考訳）: コンピュータビジョンと医学診断におけるエッジディープラーニング : 包括的調査
- Authors: Yiwen Xu, Tariq M. Khan, Yang Song, Erik Meijering,
- Abstract要約: 本稿では,コンピュータビジョンの応用,特に医療診断について概説する。
エッジディープラーニングの基本原則と技術的アドバンテージについて概説する。
エッジデバイスにディープニューラルネットワークを効果的に実装するためのアプローチについて議論する。
- 参考スコア（独自算出の注目度）: 16.62564057492173
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Edge deep learning, a paradigm change reconciling edge computing and deep learning, facilitates real-time decision making attuned to environmental factors through the close integration of computational resources and data sources. Here we provide a comprehensive review of the current state of the art in edge deep learning, focusing on computer vision applications, in particular medical diagnostics. An overview of the foundational principles and technical advantages of edge deep learning is presented, emphasising the capacity of this technology to revolutionise a wide range of domains. Furthermore, we present a novel categorisation of edge hardware platforms based on performance and usage scenarios, facilitating platform selection and operational effectiveness. Following this, we dive into approaches to effectively implement deep neural networks on edge devices, encompassing methods such as lightweight design and model compression. Reviewing practical applications in the fields of computer vision in general and medical diagnostics in particular, we demonstrate the profound impact edge-deployed deep learning models can have in real-life situations. Finally, we provide an analysis of potential future directions and obstacles to the adoption of edge deep learning, with the intention to stimulate further investigations and advancements of intelligent edge deep learning solutions. This survey provides researchers and practitioners with a comprehensive reference shedding light on the critical role deep learning plays in the advancement of edge computing applications.
- Abstract（参考訳）: エッジディープラーニング(Edge Deep Learning)は、エッジコンピューティングとディープラーニングを整合させるパラダイム変更であり、計算リソースとデータソースの緊密な統合を通じて、環境要因に適応したリアルタイムな意思決定を促進する。
本稿では,コンピュータビジョンの応用,特に医学的診断に焦点をあてて,最先端の深層学習の現状を概観する。
エッジディープラーニングの基本原則と技術的アドバンテージを概説し、この技術の幅広い領域に革命をもたらす能力を強調した。
さらに,性能と利用シナリオに基づいたエッジハードウェアプラットフォームを新たに分類し,プラットフォーム選択と運用効率の向上を図る。
次に、エッジデバイスにディープニューラルネットワークを効果的に実装するためのアプローチについて検討し、軽量設計やモデル圧縮などの手法を包含する。
コンピュータビジョンの一般分野、特に医学診断分野における実践的応用を概観し、エッジ展開型ディープラーニングモデルが現実の状況にもたらす大きな影響を実証する。
最後に,エッジ深層学習の導入に向けた今後の方向性と障害について分析し,インテリジェント深層学習ソリューションのさらなる研究と進歩を奨励することを目的としている。
この調査は、エッジコンピューティングアプリケーションの進歩においてディープラーニングが果たす重要な役割について、研究者や実践者に包括的なリファレンス・シェディングを提供する。
関連論文リスト
- Endoscopic Depth Estimation Based on Deep Learning: A Survey [12.62169613532005]
内視鏡的深度推定は、最小侵襲手術の安全性と精度を向上させるための重要な技術である。
いくつかの関連調査が存在するにもかかわらず、最近のディープラーニングベースの技術に焦点を絞った総合的な概要はまだ限られている。
本論文は,最先端の文献を体系的にレビューすることで,このギャップを埋める試みである。
論文 参考訳（メタデータ） (2025-07-28T14:34:45Z) - Research on the Application of Computer Vision Based on Deep Learning in Autonomous Driving Technology [9.52658065214428]
本稿では、画像認識、リアルタイム目標追跡・分類、環境認識・意思決定支援、経路計画・ナビゲーションにおけるディープラーニングの適用について詳細に分析する。
提案システムでは,画像認識,目標追跡,分類の精度が98%を超え,高い性能と実用性を示す。
論文 参考訳（メタデータ） (2024-06-01T16:41:24Z) - Training Machine Learning models at the Edge: A Survey [2.8449839307925955]
本調査では,エッジ学習の概念,特にエッジにおける機械学習モデルトレーニングの最適化について検討する。
エッジラーニングに関する関連文献が同定され,分散ラーニング手法における研究努力の集中が明らかになった。
この調査はさらに、エッジ学習のためにMLを最適化するために使用されるテクニックを比較するためのガイドラインと、利用可能なさまざまなフレームワーク、ライブラリ、シミュレーションツールの探索を提供する。
論文 参考訳（メタデータ） (2024-03-05T03:18:43Z) - Computation-efficient Deep Learning for Computer Vision: A Survey [121.84121397440337]
ディープラーニングモデルは、さまざまな視覚的知覚タスクにおいて、人間レベルのパフォーマンスに到達または超えた。
ディープラーニングモデルは通常、重要な計算資源を必要とし、現実のシナリオでは非現実的な電力消費、遅延、または二酸化炭素排出量につながる。
新しい研究の焦点は計算効率のよいディープラーニングであり、推論時の計算コストを最小限に抑えつつ、良好な性能を達成することを目指している。
論文 参考訳（メタデータ） (2023-08-27T03:55:28Z) - Brain-inspired Computational Intelligence via Predictive Coding [73.42407863671565]
予測符号化(PC)は、機械学習コミュニティにとって潜在的に価値のある、有望な特性を示している。
PCライクなアルゴリズムは、機械学習とAIの複数のサブフィールドに存在し始めている。
論文 参考訳（メタデータ） (2023-08-15T16:37:16Z) - Machine Unlearning: A Survey [56.79152190680552]
プライバシ、ユーザビリティ、および/または忘れられる権利のために、特定のサンプルに関する情報をマシンアンラーニングと呼ばれるモデルから削除する必要がある特別なニーズが生まれている。
この新興技術は、その革新と実用性により、学者と産業の両方から大きな関心を集めている。
この複雑なトピックを分析したり、さまざまなシナリオで既存の未学習ソリューションの実現可能性を比較したりした研究はない。
この調査は、未学習のテクニックに関する卓越した問題と、新しい研究機会のための実現可能な方向性を強調して締めくくった。
論文 参考訳（メタデータ） (2023-06-06T10:18:36Z) - Towards Machine Learning for Placement and Routing in Chip Design: a
Methodological Overview [72.79089075263985]
配置とルーティングは、現代のチップ設計フローにおいて必須かつ困難な2つのタスクである。
機械学習は、そのデータ駆動性によって有望な見通しを示しており、知識や事前への依存度は低い。
論文 参考訳（メタデータ） (2022-02-28T06:28:44Z) - Recent advances and clinical applications of deep learning in medical
image analysis [7.132678647070632]
我々は最近200以上の論文をレビュー・要約し、様々な医用画像解析タスクにおける深層学習手法の適用の概要を概観した。
特に,医用画像における最先端の非教師あり半教師あり深層学習の進歩と貢献を強調した。
論文 参考訳（メタデータ） (2021-05-27T18:05:12Z) - State-of-the-art Techniques in Deep Edge Intelligence [0.0]
エッジインテリジェンス(EI)は、エッジコンピューティングの概念を用いた学習を可能にする強力な代替手段として急速に登場した。
本稿では,DeIの運用における主な制約について概説する。
論文 参考訳（メタデータ） (2020-08-03T12:17:23Z) - Incentive Mechanism Design for Resource Sharing in Collaborative Edge
Learning [106.51930957941433]
5GとBeyondネットワークでは、人工知能のアプリケーションがますます普及すると予想されている。
これは、現在のクラウド中心のモデルトレーニングアプローチから、エッジラーニングとして知られるエッジコンピューティングベースの協調学習スキームへのパラダイムシフトを必要とする。
論文 参考訳（メタデータ） (2020-05-31T12:45:06Z) - Offline Reinforcement Learning: Tutorial, Review, and Perspectives on
Open Problems [108.81683598693539]
オフラインの強化学習アルゴリズムは、巨大なデータセットを強力な意思決定エンジンにできるという、大きな約束を持っています。
我々は,これらの課題,特に近代的な深層強化学習手法の文脈において,読者にこれらの課題を理解することを目的としている。
論文 参考訳（メタデータ） (2020-05-04T17:00:15Z)
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。