Resumen

Con la actualización de la plataforma de procesamiento de imágenes de alto rendimiento y los sensores visuales de internet de las cosas, VIOT se utiliza ampliamente en el transporte inteligente, el piloto automático, la reconocimiento militar, la seguridad pública y otros campos. Sin embargo, el sistema de internet visual de las cosas al aire libre es muy sensible al clima y a la escala desequilibrada de objetos latentes. El rendimiento del aprendizaje supervisado a menudo se ve limitado por la interferencia de datos anormales. Es difícil recopilar todas las clases a partir de instancias históricas limitadas. Por lo tanto, en cuanto a las imágenes de detección de anomalías, la tecnología de detección de objetos basada en inteligencia artificial rápida y precisa se ha convertido en un punto de investigación candente en el campo del internet de las cosas de visión inteligente. Con este fin, proponemos un marco de aprendizaje profundo eficiente y preciso para la detección en tiempo real y densa de objetos en VIOT llamado Red Neuronal Convolucional de Atención en los Bordes

• Materias:Comunicación inalámbrica Dispositivos móviles Seguridad de la información Algoritmo de inteligencia Sensor inteligente
• Subjects:Wireless communication Mobile devices Information security Algorithm intelligence Intelligent sensor
• Palabras claves:Plataforma de procesamiento de imágenes; Sensores visuales de internet de las cosas; Aprendizaje supervisado; Detección de anomalías; Tecnología de detección de objetos basada en inteligencia artificial; Marco de aprendizaje profundo
• Keywords:Image processing platform; Visual internet of things sensors; Supervised learning; Anomaly detection; Artificial intelligence-based object detection technology; Deep learning framework