基于嵌入式系统深度学习的动物行为分类
机器学习
2022-10-27 v3 人工智能
信号处理
机器学习
摘要
我们开发了一种端到端的深度神经网络算法，利用安装在可穿戴项圈标签中的人工智能物联网（AIoT）设备嵌入式系统上的加速度计数据，对动物行为进行分类。该算法利用一组无限脉冲响应（IIR）和有限脉冲响应（FIR）滤波器以及一个多层感知器，联合执行特征提取和分类。所使用的IIR和FIR滤波器可分别视为特定类型的循环神经网络层和卷积神经网络层。我们通过两个从总共十八头放牧肉牛身上使用项圈标签收集的真实世界数据集，评估了所提算法的性能。结果表明，所提算法具有良好的数据集内和跨数据集分类精度，并优于其最接近的竞争者，包括两种性能显著更复杂的、基于卷积神经网络的最先进时间序列分类算法。我们将所提算法部署在所用项圈标签的AIoT设备嵌入式系统上，以执行动物行为的原位分类。我们实现了从加速度计数据进行实时原位行为推断，且未对嵌入式系统的可用计算、内存或能源资源造成任何压力。
引用
@article{arxiv.2111.12295,
title = {Animal behavior classification via deep learning on embedded systems},
author = {Reza Arablouei and Liang Wang and Lachlan Currie and Jordan Yates and Flavio A. P. Alvarenga and Greg J. Bishop-Hurley},
journal= {arXiv preprint arXiv:2111.12295},
year = {2022}
}