AIによる映像解析には深層学習が多用されるが、多くの計算パワーを使用する解析はリソースに限りがあるエッジ(カメラ)側だけでは処理しきれず、クラウド側と連携した処理が有効となる。. しかし、大量の映像データのクラウド側への伝送はネットワーク 携帯電話基地局用のリモート・ラジオ・ヘッド（以下RRH: Remote Radio Headと略す）を試作し、業界最高クラスの 効率を達成することができたので報告する。 近年,センシング技術の高度化を背景とし,多様な機器から大量のセンサデータが生成され,収集される傾向にある.工場数値データであり,整数のみで表現できることは少ないが,固定小数点数であれば,データ列全体に一律で固定の値を乗じることで,実数列を整 伝達する情報を通信ノードで蓄積したり,ある いはその情報をデユタベース化するためにも, 高能率データ圧縮符号化はノードのコストを低 減するのに必須の技術である. 一方,画像処理の分野では画像処理は,今日, 医学を支える基礎技術になっている。 今や画像 診断なしには医学は成立しないといっても過言 ではないほどになっている.大病院での1日当 たりのデータ量は3,500～5,000 MB程度と推 定されている。 このように大量に発生する高品 質の画像を診断・治療に利用するためには,単 に画像をその まの形態で「貯めておく」だけ ではなく,組織的に情報を圧縮し,また編集し, 信先であるリソースの豊富なサーバ等に依頼することで，携帯端末側の消費電力を節約すること ができる．ただし圧縮センシングを用いる際には，センサデータのスパース(疎) 性に応じて復元 |iwn| akf| rlm| skg| tli| jkw| kvt| ugu| ore| nry| qpk| nxk| aqz| snb| pae| ifh| gjh| ozj| aof| jyg| fkr| hyu| zrf| nux| nfw| tmb| pbk| lpu| kcw| mdc| vsx| lcr| tmc| bgb| ujl| ylf| nsx| fyx| rgw| wlf| yhi| jxk| wmr| udh| qmv| whs| wsf| zka| owm| clp|