相关实验视频
Updated: Jun 28, 2026

13:19
Deep Neural Networks for Image-Based Dietary Assessment
Published on: March 13, 2021
9.2K
使用机器学习来减少物联网图像的尺寸
Ibrahim Ali1, Khaled Wassif2, Hanaa Bayomi2
1Computer Science Department, Faculty of Computers and Artificial Intelligence, Cairo University, Giza, Egypt. i.ali@fci-cu.edu.eg.
Scientific reports
|March 27, 2024
概括
边缘计算通过使用机器学习来减少图像维度来减少发送到云端的数据. 这种方法保持了对物联网 (IoT) 任务的准确性,例如对象检测.
科学领域:
- 计算机科学 计算机科学
- 人工智能的人工智能
- 物联网的物联网,就是物联网.
背景情况:
- 物联网 (IoT) 设备产生大量数据,增加网络流量和延迟.
- 边缘计算将数据处理更接近源,减轻与云相关的问题.
- 边缘的机器学习对于高效的物联网数据处理至关重要.
研究的目的:
- 为物联网环境探索云计算和边缘计算的集成.
- 研究基于边缘的图像维度缩小的机器学习方法.
- 评估数据减少对基于云的机器学习任务的影响.
主要方法:
- 使用自动编码器深度学习和主要组件分析 (PCA) 来减少边缘图像的维度.
- 编码数据被传输到云服务器,用于随后的机器学习任务.
- 评估了对象检测任务的方法,使用COCO,人类检测和HDA数据集的4000张图像.
主要成果:
- 通过边缘处理实现了77%的数据量减少.
- 显著的数据减少并没有对对象检测任务的准确性产生重大影响.
- 这表明了基于边缘的物联网维度减少的可行性.
结论:
- 将云计算和边缘计算与机器学习驱动的维度减少合并为物联网有效.
- 边缘计算,使用自动编码器和PCA等技术,优化对物联网应用程序的数据处理.
- 这一策略平衡了数据减少与基于云计算的ML任务的准确性.

