面向无人机系统场景分类的任务导向图像传输
计算机视觉与模式识别
2021-12-22 v1 多媒体
摘要
物联网的蓬勃发展使其计算与存储能力得以借助云与边的协同扩展至空中系统的计算任务，尤其是基于深度学习（DL）的人工智能（AI）任务。无人机（UAV）采集大量图像/视频数据，但受限于自身存储与计算能力，只能将智能分析任务交由后端移动边缘计算（MEC）服务器处理。如何为 AI 模型高效传输最具相关性的信息是一个具有挑战性的课题。受近年来任务导向通信的启发，我们提出了一种面向场景分类任务的新型空中图像传输范式。在前端无人机上开发了轻量模型，用于结合图像与信道状态感知的语义块传输。为在传输时延与分类精度间取得权衡，采用深度强化学习（DRL）来探索在各种信道条件下对后端分类器贡献最优的语义块。实验结果表明，相较于固定传输策略与传统内容感知方法，所提方法能显著提升分类精度。
引用
@article{arxiv.2112.10948,
title = {Task-Oriented Image Transmission for Scene Classification in Unmanned Aerial Systems},
author = {Xu Kang and Bin Song and Jie Guo and Zhijin Qin and F. Richard Yu},
journal= {arXiv preprint arXiv:2112.10948},
year = {2021}
}