文献

J-GLOBAL ID：201802215120606431   整理番号：18A0944190

大規模ビデオストリーム解析のためのエッジ強化深層学習システム【JST・京大機械翻訳】

Edge Enhanced Deep Learning System for Large-Scale Video Stream Analytics

著者 (7件)： Ali Muhammad ,  Anjum Ashiq ,  Yaseen M. Usman ,  Zamani A. Reza ,  Balouek-Thomert Daniel ,  Rana Omer ,  Parashar Manish
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： ICFEC  ページ： 1-10  発行年： 2018年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 大規模なIoTデータに深い学習モデルを適用することは,コンピュータ集約的なタスクであり,重要な計算資源を必要とする。既存の手法は,IoT装置から,機械学習モデルを用いて推論を実行する中心雲に対して,この大きなデータを転送する。しかし,データ捕捉源とクラウドプラットフォームを接続するネットワークはボトルネックになり得る。著者らは,エッジとクラウド/霧資源を横切る深い学習パイプラインを配布することによって,この問題を扱う。基本的な処理段階と訓練されたモデルは,ネットワークの端部に向かって,そして,輸送とクラウド資源に関して分布される。提案した手法は,エッジおよび霧ノードにおけるデータ源に近いデータの初期処理を実行し,クラウド内に転送され保存されるデータを大幅に削減する。オブジェクト認識シナリオに関する結果は,クラウドのみのアプローチと比較して,エッジ,イントランジションおよびクラウド資源の組合せを採用することにより,システムのスループットにおいて71%の効率利得を示した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【JST・京大機械翻訳】

シソーラス用語： *学習 ,  学習モデル ,  ネットワーク ,  コンピュータ ,  集中化 ,  機械学習 ,  データ収集 ,  利得 ,  スループット ,  物体認識
準シソーラス用語： 計算資源 ,  モノのインターネット ,  *深層学習 ,  *ビデオストリーム , 【Automatic Indexing@JST】

分類 (1件)： 計算機網  (JC03000K)

タイトルに関連する用語 (6件)： 大規模 ,  ビデオストリーム ,  解析 ,  エッジ ,  強化 ,  深層学習