文献

J-GLOBAL ID：202002284441127862   整理番号：20A1753547

サーベイルエッジ:協調的クラウドエッジ深層学習に基づく実時間ビデオ問合せ【JST・京大機械翻訳】

SurveilEdge: Real-time Video Query based on Collaborative Cloud-Edge Deep Learning

著者 (3件)： Wang Shibo (Xi’an Jiaotong University,National Engineering Laboratory for Big Data Analytics) ,  Yang Shusen (Xi’an Jiaotong University,National Engineering Laboratory for Big Data Analytics) ,  Zhao Cong (Imperial College London,Department of Computing)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： INFOCOM  ページ： 2519-2528  発行年： 2020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： 大規模監視ビデオデータのリアルタイムクエリは,公共安全や知的輸送のような様々なスマート都市アプリケーションにおいて基本的役割を果たす。従来のクラウドベースの手法は,高い伝送待ち時間と禁止帯域幅コストのために適用できないが,エッジデバイスは,制約された資源のために,低い待ち時間と高精度で複雑な視覚アルゴリズムを実行できないことが多い。クラウドのみとエッジのみの解の実現可能性を考慮して,大規模監視ビデオストリームのリアルタイムクエリのための協調クラウドエッジシステムであるSurveilEdgeを提示した。具体的には,高精度で訓練時間を低減するための畳込みニューラルネットワーク(CNN)訓練方式を設計し,異なる計算ノード間の負荷をバランスさせ,実時間クエリのための待ち時間-精度トレードオフを達成するために,知的タスクアロケータを設計した。多重エッジデバイスと公開クラウドを持つプロトタイプ1にSurveilEdgeを実装し,実世界監視ビデオデータセットを用いて広範な実験を行った。評価結果は,SurveilEdgeが,雲のみの解よりも,帯域幅コストが7倍少なく,クエリ応答時間が5.4倍速いことを示した。そして,エッジのみのアプローチと比較して,クエリ精度を43.9%まで改善し,それぞれ15.8の高速化を達成した。Copyright 2020 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： アルゴリズム ,  視覚 ,  都市 ,  多重化 ,  *録画装置 ,  応用プログラム ,  帯域幅 ,  待ち時間 ,  高速化 ,  プロトタイプ
準シソーラス用語： ビデオストリーム ,  高精度 ,  クエリー ,  *深層学習 ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (7件)： 協調 ,  クラウド ,  エッジ ,  深層学習 ,  実時間 ,  ビデオ ,  問合せ