视觉辅助无线电：基于机器学习的无线电与视频域用户身份匹配
计算机视觉与模式识别
2020-12-16 v3
摘要
5G 旨在通过支持日益增长的数据流量需求及具有不同要求的多样化服务，成为通信技术产业中重要的赋能者与领先的基础设施提供者。深度学习与计算机视觉工具的运用能够通过视觉数据信息提升网络的环境感知能力。通过计算机视觉工具提取的信息（如用户位置、移动方向与速度）可迅速供网络使用。然而，网络必须具备一种机制以匹配用户在视觉与无线电系统中的身份。现有文献缺乏该机制。因此，我们提出一种框架来匹配来自视觉与无线电域的信息。这是计算机视觉工具在通信中实际应用的必要步骤。我们详述了所提框架在给定设置下的训练与部署阶段。我们使用在不同类型环境中收集的数据进行了实际实验。工作比较了深度神经网络与随机森林分类器的使用，表明前者在所有实验中表现更优，分类准确率大于 99%。
引用
@article{arxiv.2010.07219,
title = {Vision-Aided Radio: User Identity Match in Radio and Video Domains Using Machine Learning},
author = {Vinicius M. de Pinho and Marcello L. R. de Campos and Luis Uzeda Garcia and Dalia Popescu},
journal= {arXiv preprint arXiv:2010.07219},
year = {2020}
}
备注
Accepted for publication in the IEEE Access