تفريغ مهام الرؤية المدعومة بالتعلم العميق من الطائرات بدون طيار إلى خادم حافة 5G مع تقليل الضوضاء
| العنوان | تفريغ مهام الرؤية المدعومة بالتعلم العميق من الطائرات بدون طيار إلى خادم حافة 5G مع تقليل الضوضاء |
|---|---|
| المؤلف | أوزر، سيدات، إلهان، إتش إي، أوزكان أوغلو، محمد عاكف، سيربان، إتش إيه. |
| تاريخ النشر: | 2023-06 |
| مكان النشر | - IEEE |
| الموضوع | 5G، تفريغ المهام الحسابية، التعلم العميق، حوسبة الحافة، تقليل ضوضاء الصورة، الاتصال الذكي، شبكة إزالة الضوضاء، اكتشاف الكائنات، تجزئة الكائنات |
| النوع | دورية |
| اللغة | الإنجليزية |
| رقمي | نعم |
| مخطوط | لا |
| المكتبة: | جامعة اوزيجين |
| معرف أصل المكتبة | 0018-9545 |
| رقم السجل | d42d9220-a6b3-4c8c-a1da-09b1f2a9c43e |
| موقع المكتبة | علوم الكمبيوتر |
| التاريخ | 2023-06 |
| نص عينة | يساعد تفريغ المهام الثقيلة حسابيًا من مركبة جوية بدون طيار (UAV) إلى خادم بعيد على تحسين عمر البطارية ويمكن أن يساعد في تقليل متطلبات الموارد. تعد مهام رؤية الكمبيوتر الحديثة القائمة على التعلم العميق، مثل تجزئة الكائنات واكتشافها، خوارزميات ثقيلة حسابيًا، وتتطلب ذاكرة كبيرة وقدرة حاسوبية. تستخدم العديد من الطائرات بدون طيار (المدربة مسبقًا) إصدارات جاهزة من هذه الخوارزميات. إن تفريغ مثل هذه الخوارزميات المتعطشة للطاقة إلى خادم بعيد يمكن أن يساعد الطائرات بدون طيار على توفير الطاقة بشكل كبير. ومع ذلك، فإن الخوارزميات القائمة على التعلم العميق تكون عرضة للضوضاء، ونظام الاتصالات اللاسلكية، بطبيعته، يُدخل الضوضاء إلى الإشارة الأصلية. عندما تمثل الإشارة صورة، يؤثر التشويش على الصورة. لم يكن هناك الكثير من العمل لدراسة تأثير الضوضاء التي يحدثها نظام الاتصالات على الشبكات العميقة المدربة مسبقًا. في هذا العمل، نقوم أولاً بتحليل مدى موثوقية تفريغ مهام رؤية الكمبيوتر القائمة على التعلم العميق (بما في ذلك تجزئة الكائنات واكتشافها) من خلال التركيز على تأثير المعلمات المختلفة لنظام الاتصالات اللاسلكية 5G على الصورة المرسلة وإظهار كيف أن الضوضاء المقدمة لنظام 5G المستخدم تقلل من أداء مهمة التعلم العميق التي تم تفريغها. ثم يتم تقديم الحلول لإزالة (أو تقليل) التأثير السلبي للضوضاء. يبدأ الإطار المقترح بإدخال العديد من التقنيات الكلاسيكية كحلول بديلة، ثم يقدم حلًا جديدًا قائمًا على التعلم العميق لتقليل الضوضاء في صورة الإدخال المزعجة. تمت مقارنة أداء خوارزميات تقليل الضوضاء المختلفة في تفريغ مهام تجزئة الكائنات واكتشاف الكائنات. توفر خوارزمية مزيل الضوضاء العميقة القائمة على المحولات (NR-Net) نتائج حديثة في تجاربنا. |
| DOI | 10.1109/TVT.2023.3243529 |
| Cilt | 72 |
