電子情報通信学会 研究会発表申込システム
講演論文 詳細
技報閲覧サービス
技報オンライン
‥‥ (ESS/通ソ/エレソ/ISS)
技報アーカイブ
‥‥ (エレソ/通ソ)
 トップに戻る 前のページに戻る   [Japanese] / [English] 

講演抄録/キーワード
講演名 2018-10-18 13:50
[ポスター講演]エッジコンピューティングを用いたドローン空撮物体認識における無線通信帯域の最適化手法
孫 鵬飛中尾彰宏東大
技報オンラインサービス実施中
抄録 (和) ドローン空撮による監視、捜索救助などのサーベイランスにおいて、リアルタイム物体認識は非常に重要な技術課題である。しかし多くの機械学習を用いた物体認識のアルゴリズムは計算能力に対する要求が高い。そこで、一般的には、ドローンが撮影した映像をクラウドサーバーに送信し、機械学習等の計算を実行するアプローチが取られる。このアプローチにおける最大の課題は、撮影した高精細映像をクラウドサーバーへ送信するため、帯域が多く必要となり、複数のドローンによるサービスがスケールアウトしないことである。そこで我々は、この課題を解決するために、物体認識モデルをニューラルネットワークにおいて段階的に分割し、無線使用帯域を削減しつつ、物体認識の精度を高水準に保持する方法を提案する。更に、計算量を大幅に追加で使用することなくデータ圧縮のためのニューラルネットワーク層の追加を行い、認識の精度を保持しつつ、無線使用帯域を削減する提案を行う。通常のデータ圧縮の手法では、人間の視覚には影響がないデータ圧縮を行うことが目的であるが、本手法は、機械学習による物体認識に最適なデータ圧縮のためにニューラルネットワークの層を追加するところに新規性がある。評価実験では、YoloV2[1]モデルのシミュレーションを用いて、本研究の提案手法が従来のアプローチと比べて無線区間のデータ伝送量を84%減少しつつも、検出精度は僅か3%の減少に留まることを示す。 
(英) Real-time object detection is considered challenging in many UAV applications, such as detection, surveillance, search and rescue, etc. There have been many real-time object recognition models based on deep learning, which however require high computational resources and need to be run with high-end Graphics Processing Units (GPUs). Generally, the cloud and edge servers are adopted to perform computing tasks based on images captured by the drone cameras.
The most challenging problem with this approach is that, due to a large amount of data transferred between the drone and cloud server, the need for network bandwidth is extremely high for real-time object detection. Although 5G supports high bandwidth, if we would like to scale the number of UEs, the less bandwidth the service uses, the more scalable the service becomes. For this reason, our proposed method splits a deep neural network model and executes a part of computation to obtain intermediary data, which is supposed to be less than the final output data. Our approach preserves the accuracy of object recognition at a high level while reducing the wireless data transfer bandwidth. Moreover, we use additional computational resources for extra layers of the neural network, yet negligible enough to be executed on a drone, to compress the intermediary data so as to reduce the wireless network bandwidth. The usual data compression is for the sake of human eyes recognition, but our data compression is optimized for machine learning and executed by additional neural network layers. Using Yolo V2[1] , we evaluate our proposed method to find the detection accuracy of the proposed method reduces the data transmission by as much as 84% compared with the general approach, while the accuracy of object detection is reduced only by 3%.
キーワード (和) 5G / エッジコンピューティング / 人工知能 / 物体認識 / ドローン / / /  
(英) 5G / edge computing / AI / Object detection / drone / / /  
文献情報 信学技報, vol. 118, no. 250, NS2018-114, pp. 45-48, 2018年10月.
資料番号 NS2018-114 
発行日 2018-10-11 (NS) 
ISSN Print edition: ISSN 0913-5685  Online edition: ISSN 2432-6380

研究会情報
研究会 NS  
開催期間 2018-10-18 - 2018-10-19 
開催地(和) 京都教育文化センター 
開催地(英) Kyoto Kyoiku Bunka Center 
テーマ(和) ネットワークアーキテクチャ(オーバレイ,P2P,ユビキタスNW,スケールフリーNW,アクティブNW,NGN・新世代NW),次世代パケットトランスポート(高速Ethernet,IP over WDM,マルチサービスパケット技術,MPLS),グリッド,一般 
テーマ(英) Network architecture (Overlay, P2P, Ubiquitous network, Scale-free network, Active network, NGN, New Generation Network), Next generation packet transport (High speed Ethernet, IP over WDM, Multi-service package technology, MPLS), Grid, etc. 
講演論文情報の詳細
申込み研究会 NS 
会議コード 2018-10-NS 
本文の言語 英語(日本語タイトルあり) 
タイトル(和) エッジコンピューティングを用いたドローン空撮物体認識における無線通信帯域の最適化手法 
サブタイトル(和)  
タイトル(英) An optimization method of wireless communication bandwidth in drone object recognition using edge computing 
サブタイトル(英)  
キーワード(1)(和/英) 5G / 5G  
キーワード(2)(和/英) エッジコンピューティング / edge computing  
キーワード(3)(和/英) 人工知能 / AI  
キーワード(4)(和/英) 物体認識 / Object detection  
キーワード(5)(和/英) ドローン / drone  
キーワード(6)(和/英) /  
キーワード(7)(和/英) /  
キーワード(8)(和/英) /  
第1著者 氏名(和/英/ヨミ) 孫 鵬飛 / PengFei Sun / ソン ホウヒ
第1著者 所属(和/英) 東京大学 (略称: 東大)
The University Of Tokyo (略称: The University Of Tokyo)
第2著者 氏名(和/英/ヨミ) 中尾 彰宏 / Akihiro Nakao / ナカオ アキヒロ
第2著者 所属(和/英) 東京大学 (略称: 東大)
The University Of Tokyo (略称: The University Of Tokyo)
第3著者 氏名(和/英/ヨミ) / /
第3著者 所属(和/英) (略称: )
(略称: )
第4著者 氏名(和/英/ヨミ) / /
第4著者 所属(和/英) (略称: )
(略称: )
第5著者 氏名(和/英/ヨミ) / /
第5著者 所属(和/英) (略称: )
(略称: )
第6著者 氏名(和/英/ヨミ) / /
第6著者 所属(和/英) (略称: )
(略称: )
第7著者 氏名(和/英/ヨミ) / /
第7著者 所属(和/英) (略称: )
(略称: )
第8著者 氏名(和/英/ヨミ) / /
第8著者 所属(和/英) (略称: )
(略称: )
第9著者 氏名(和/英/ヨミ) / /
第9著者 所属(和/英) (略称: )
(略称: )
第10著者 氏名(和/英/ヨミ) / /
第10著者 所属(和/英) (略称: )
(略称: )
第11著者 氏名(和/英/ヨミ) / /
第11著者 所属(和/英) (略称: )
(略称: )
第12著者 氏名(和/英/ヨミ) / /
第12著者 所属(和/英) (略称: )
(略称: )
第13著者 氏名(和/英/ヨミ) / /
第13著者 所属(和/英) (略称: )
(略称: )
第14著者 氏名(和/英/ヨミ) / /
第14著者 所属(和/英) (略称: )
(略称: )
第15著者 氏名(和/英/ヨミ) / /
第15著者 所属(和/英) (略称: )
(略称: )
第16著者 氏名(和/英/ヨミ) / /
第16著者 所属(和/英) (略称: )
(略称: )
第17著者 氏名(和/英/ヨミ) / /
第17著者 所属(和/英) (略称: )
(略称: )
第18著者 氏名(和/英/ヨミ) / /
第18著者 所属(和/英) (略称: )
(略称: )
第19著者 氏名(和/英/ヨミ) / /
第19著者 所属(和/英) (略称: )
(略称: )
第20著者 氏名(和/英/ヨミ) / /
第20著者 所属(和/英) (略称: )
(略称: )
講演者
発表日時 2018-10-18 13:50:00 
発表時間 90 
申込先研究会 NS 
資料番号 IEICE-NS2018-114 
巻番号(vol) IEICE-118 
号番号(no) no.250 
ページ範囲 pp.45-48 
ページ数 IEICE-4 
発行日 IEICE-NS-2018-10-11 


[研究会発表申込システムのトップページに戻る]

[電子情報通信学会ホームページ]


IEICE / 電子情報通信学会