基于城市空中交通(UAM)网络的自主空中监视时空分割学习
计算机视觉与模式识别
2021-11-24 v1 人工智能
网络与互联网体系结构
摘要
自主监视无人机(UAV)被部署以观察城市街道上的任何可疑活动。本文利用监视无人机来检测街道上火灾的发生。我们从无人机监视无人机收集了广泛的数据集。借助人工智能(AI)，消防站可以迅速识别社区中出现的火灾。将此场景应用时空分割学习，以保护隐私并全局训练火灾分类模型。火灾是蔓延极快的危险自然灾害。需要迅速识别火灾以派遣消防员前往现场。为此，无人机与进行深度学习过程的中央服务器之间需要强大的通信。提升通信弹性对于增强道路上的安全体验至关重要。因此，本文探讨了该无人机设置下分割学习的适当客户端数量与数据比例，以及所需的网络基础设施。
引用
@article{arxiv.2111.11856,
title = {Spatio-Temporal Split Learning for Autonomous Aerial Surveillance using Urban Air Mobility (UAM) Networks},
author = {Yoo Jeong Ha and Soyi Jung and Jae-Hyun Kim and Marco Levorato and Joongheon Kim},
journal= {arXiv preprint arXiv:2111.11856},
year = {2021}
}