文献

J-GLOBAL ID：202202217486383918   整理番号：22A0787884

IoTエッジにおける知能:低電力マイクロコントローラと畳込みニューラルネットワークによる活動認識【JST・京大機械翻訳】

Intelligence at the IoT Edge: Activity Recognition with Low-Power Microcontrollers and Convolutional Neural Networks

著者 (3件)： Ghibellini Alessandro (University of Bologna,Department of Computer Science and Engineering,Italy) ,  Bononi Luciano (University of Bologna,Department of Computer Science and Engineering,Italy) ,  Di Felice Marco (University of Bologna,Department of Computer Science and Engineering,Italy)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2022  号： CCNC  ページ： 707-710  発行年： 2022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： 最近,深層学習(DL)技術は,人間行動認識(HAR)タスクに対する有効性を示した。しかし,ストレージと計算要求のため,既存のHARソリューションの大部分は,訓練と推論フェーズがクラウドまたは外部サーバにオフロードされ,モバイル/ウェアラブルデバイスのネットワーク負荷とユーザのプライバシーに有害な影響を与えると仮定する。有望な解決策は,センシングユニットに近いデータ分析,あるいはそれらに直接移動させることを目的とする新しいEdge人工知能(AI)技法によって表現される。本論文では,低電力マイクロコントローラユニットにおけるHAR推論タスクのオフローディングに関する予備的結果を提示した。安全目的のための産業環境内の労働者の臨界運動(例えば,落下,走行)を検出する問題を考察した。HARシステムの全パイプラインをウェアラブルユニットとしてArduino BLE 33 Senseを用いて提示し,検出タスクのために,畳込みニューラルネットワーク(CNN)に基づくDLモデルを慣性センサデータ上で訓練した。動的範囲量子化技術を用いて,次に,ファームウェアに負荷されるモデルのサイズを減らした。予備的結果は,CNNモデルの精度が97%であり,ベースライン,非DL技術を克服する一方,量子化技術がモデルサイズの53%の削減を確実にすることを示した。Copyright 2022 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： 量子化 ,  *ネットワーク ,  プライバシー ,  労働者 ,  ファームウェア ,  人工知能 ,  ダイナミックレンジ ,  有効性 ,  *マイクロコントローラ ,  携帯電話 ,  走行
準シソーラス用語： ウェアラブルデバイス ,  ウェアラブル ,  *モノのインターネット ,  深層学習 , 【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)： IoT ,  エッジ ,  知能 ,  低電力 ,  マイクロコントローラ ,  畳込みニューラルネットワーク ,  活動認識