| 講演名 | 2019-03-05 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(東大), 中尾 彰宏(東大), |
|---|---|
| PDFダウンロードページ |  PDFダウンロードページへ |
| 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、物体認識の精度を確保するために撮影した高精細映像をクラウドサーバーへ送信し、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、無線使用帯域をさらに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64%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。 |
| 抄録(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. 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, high-definition images are captured and transmitted to the cloud server, the need for network bandwidth is extremely high for real-time object detection, the service by multiple drones is not to scaled out. We suppose the object-recognition is performed via deep neutral network, which is usually applied to the object features abstracted from images as intermediary data. 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 smaller than the size of original images. Our approach preserves the accuracy of object recognition at a high level while reducing the volume of transferred wireless data. Moreover, we use additional computational resources for extra layers of the neural network, yet lightweight enough to be executed on a drone, to compress the intermediary data so as to reduce the wireless network bandwidth. Our data compression is optimized for machine learning instead of human eyes so that it reduces the data transmission by as much as 64% compared with the general approach, while the accuracy of object detection is reduced only by 3% . |
| キーワード(和) | エッジコンピューティング / 人工知能 / 物体認識 / ドローン / 5G |
| キーワード(英) | edge computing / AI / Object detection / drone / 5G |
| 資料番号 | NS2018-250 |
| 発行日 | 2019-02-25 (NS) |
| 研究会情報 | |
| 研究会 | IN / NS |
|---|---|
| 開催期間 | 2019/3/4(から2日開催) |
| 開催地（和） | 沖縄コンベンションセンター |
| 開催地（英） | Okinawa Convention Center |
| テーマ（和） | 一般 |
| テーマ（英） | General |
| 委員長氏名（和） | 岸田 卓治(NTT-AT) / 岡崎 義勝(NTT) |
| 委員長氏名（英） | Takuji Kishida(NTT-AT) / Yoshikatsu Okazaki(NTT) |
| 副委員長氏名（和） | 石田 賢治(広島市大) / 中尾 彰宏(東大) |
| 副委員長氏名（英） | Kenji Ishida(Hiroshima City Univ.) / Akihiro Nakao(Univ. of Tokyo) |
| 幹事氏名（和） | 松本 延孝(KDDI総合研究所) / 植田 一暁(KDDI総合研究所) / 加島 伸悟(NTT) / 持田 誠一郎(NTT) / 松井 健一(NTT) / 谷川 陽祐(阪府大) |
| 幹事氏名（英） | Nobutaka Matsumoto(KDDI Research) / Kazuaki Ueda(KDDI Research) / Shingo Kashima(NTT) / Seiichiro Mochida(NTT) / Kenichi Matsui(NTT) / Yosuke tanigawa(Osaka Pref Univ.) |
| 幹事補佐氏名（和） | / 橿渕 健一(NTT) |
| 幹事補佐氏名（英） | / Kenichi Kashibuchi(NTT) |
| 講演論文情報詳細 | |
| 申込み研究会 | Technical Committee on Information Networks / Technical Committee on Network Systems |
|---|---|
| 本文の言語 | ENG-JTITLE |
| 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（和） | |
| キーワード(1)（和/英） | エッジコンピューティング / edge computing |
| キーワード(2)（和/英） | 人工知能 / AI |
| キーワード(3)（和/英） | 物体認識 / Object detection |
| キーワード(4)（和/英） | ドローン / drone |
| キーワード(5)（和/英） | 5G / 5G |
| 第 1 著者 氏名（和/英） | 孫 鵬飛 / PengFei Sun |
| 第 1 著者 所属（和/英） | 東京大学(略称：東大) The University of Tokyo(略称：Tokyo Univ.) |
| 第 2 著者 氏名（和/英） | 中尾 彰宏 / Akihiro Nakao |
| 第 2 著者 所属（和/英） | 東京大学(略称：東大) The University of Tokyo(略称：Tokyo Univ.) |
| 発表年月日 | 2019-03-05 |
| 資料番号 | NS2018-250 |
| 巻番号（vol） | vol.118 |
| 号番号（no） | NS-465 |
| ページ範囲 | pp.337-342(NS), |
| ページ数 | 6 |
| 発行日 | 2019-02-25 (NS) |