抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
エッジコンピューティングパラダイムは,データ分析タスクの実行においてモバイルデバイスを支援するためのネットワークエッジで,計算可能デバイスエッジサーバを配置する。直感的に,エッジサーバへのオフロード計算インテントタスクは実行時間を短縮できる。しかし,モバイルデバイスをエッジサーバに接続する無線チャネルの貧弱な条件は,エッジオフロードによって達成される全体の捕獲-出力遅延を劣化させる。ここでは,深層ニューラルネットワーク(DNN)による遠隔物体検出をサポートするエッジ計算に焦点を当て,無線リンク上で伝送されたデータ量を低減するためのフレームワークを開発した。コアアイディアは,DNNをセクションに分割する最近のアプローチ,すなわち,モバイルデバイスとエッジサーバによってそれぞれ外れるヘッドとテールモデルの構築を提案する。次に,無線リンクを用いて,DNN入力の代わりにエッジサーバにヘッドモデルの最後の層の出力を輸送する。ほとんどの先行研究は,分類タスクに焦点を合わせ,DNN構造を不変にする。ここで,著者らの焦点は,3つの異なる物体検出タスクのためのDNNsであり,それは,はるかに多くの畳込み構造を提示し,ネットワークのアーキテクチャを修正した。(i)ヘッドモデルの初期層にボトルネック層を導入することでネットワーク内圧縮を達成し,(ii)畳み込みニューラルネットワークを用いて対象の対象を含まないプレフィルタ画像。結果は,提案した技術が,これらの極端な点解が満足な性能を与えることができないパラメータ領域における局所とエッジ計算の間の効果的な中間オプションを表すことを示した。コードと訓練されたモデルはhttps://github.com/yoshitomo matsubara/hnd ghnd object detectorsで利用可能である。【JST・京大機械翻訳】