文献

J-GLOBAL ID：202202266986814926   整理番号：22A0919935

交通計数のための位置特定エッジモデルの自動訓練【JST・京大機械翻訳】

Automated training of location-specific edge models for traffic counting

著者 (3件)： Leroux Sam (IDLab, Department of Information Technology, Ghent University - imec, Belgium) ,  Li Bo (IDLab, Department of Information Technology, Ghent University - imec, Belgium) ,  Simoens Pieter (IDLab, Department of Information Technology, Ghent University - imec, Belgium)
資料名： Computers and Electrical Engineering  (Computers and Electrical Engineering)
巻： 99  ページ： Null  発行年： 2022年 
JST資料番号： D0546B  ISSN： 0045-7906  CODEN： CPEEBQ  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 深層ニューラルネットワークは,大量のセンサデータを扱う様々な機械学習問題のための最先端である。クラウドコンピューティングに依存する代わりに,エッジデバイスに関するこれらのモデルを評価することは,しばしば望ましい。本論文では,監視カメラを用いてトラヒック計数を行う。エッジコンピューティングは,集合カウントだけがデバイスを残し,プライバシー感受性ビデオフレームを使わないので,必要とされる。残念なことに,小さな物体検出モデルは,準最適性能をもたらすエッジデバイスに適している。1つの特定のカメラのためにそれぞれ訓練された位置特定モデルを導入した。モデルは他の場所に一般化する必要はない。より小さな特殊化モデルは,大きな一般目的モデルより優れていることを示した。著者らは,人間介入なしでこれらの小モデルを訓練するための自動化方法を提案した。著者らは,最先端の技術よりも5x少ないパラメータで同様の計数精度を達成できることを実験的に示した。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： カメラ ,  計算機利用 ,  自動化 ,  感受性 ,  プライバシー ,  計算機網 ,  *端部 ,  機械学習
準シソーラス用語： 監視カメラ ,  物体検出 ,  クラウドコンピューティング ,  センサデータ ,  深層学習 ,  ディープニューラルネットワーク ,  エッジコンピューティング , 【Automatic Indexing@JST】

著者キーワード (5件)： 深層学習 ,  エッジコンピューティング ,  交通計測 ,  知識移転 ,  分散機械学習

分類 (1件)： 計算機網  (JC03000K)

タイトルに関連する用語 (5件)： 交通 ,  計数 ,  エッジ ,  モデル ,  訓練