Mô hình phân tán trong nhận dạng vũ khí nóng

Bài viết "Mô hình phân tán trong nhận dạng vũ khí nóng" để xuất mô hình Edge AI – mô hình điện toán phân tán cho hệ thống nhận diện vũ khí nóng. Tập trung vào phân tích các giai đoạn xử lý trong mô hình, mô tả cách thức thực hiện trong từng quá trình xử lý trong hệ thống đã đề xuất. Mời các bạn cùng tham khảo!
Nội dung trích xuất từ tài liệu:
Mô hình phân tán trong nhận dạng vũ khí nóng Mô Hình Phân Tán trong Nhận Dạng Vũ Khí Nóng Nguyễn Thị Khánh Trâm TS. Đoàn Trung Sơn Đại học Công nghệ, Đại học Quốc gia Hà Nội Khoa An ninh thông tin, Học viện An ninh nhân dân Hà Nội, Việt Nam Hà Nội, Việt Nam Khanhtramt2k23@gmail.com son.doantrung@gmail.com Tóm tắt— Camera thông minh đã được sử dụng rộng rãi mây trở nên dễ dàng. Việc đưa AI (Trí tuệ nhân tạo) lên đám trong những năm gần đây để phục vụ cho việc giám sát, đặc biệt mây đang trở thành xu hướng với các lợi ích như: là việc phát hiện, giám sát vũ khí nóng. Thực tế, hầu hết mạng giám sát camera đều sử dụng mô hình nén và truyền dữ liệu - Hiệu quả chi phí: Bằng cách truy cập qua internet, phát video từ camera về máy chủ điện toán đám mây để lưu trữ hoặc triển ứng dụng đám mây giúp loại bỏ nhu cầu chi phí mua và xử lý, lý do chính là chưa tối ưu được các thuật toán thông minh cài đặt phần cứng và phần mềm tại chỗ. Các ứng dụng AI trên các thiết bị nhúng cấu hình thấp, giá rẻ. Bên cạnh đó còn thường yêu cầu các máy tính có bộ xử lý đồ họa (GPU) mạnh. nhiều khó khăn trong việc triển khai một hệ thống AI Cloud Không có điện toán đám mây, cách duy nhất một công ty có theo mô hình điện toán đám mây xử lý hoàn toàn trên máy chủ thể có được nguồn lực lớn cần thiết để chạy phần mềm học với số lượng camera lớn. Để giải quyết vấn đề, tác giả đề xuất áp máy là với ngân sách lớn, nhiều không gian và nhân sự để dụng mô hình điện toán phân tán (Edge AI) cho bài toán cảnh quản lý nhiều máy chủ. Các hệ thống này rất tốn kém và báo vũ khí nóng từ camera giám sát. không thể chấp nhận được đối với nhiều tổ chức. Abstract— Smart cameras have been widely used in recent - Thiết lập nhanh và đơn giản: Bắt đầu một dự án AI có years to serve surveillance, especially for detecting and thể mất rất nhiều thời gian, công sức và chi phí. Các dịch vụ monitoring of hot weapons. In fact, most camera surveillance AI của đám mây có thể giảm đáng kể những khó khăn khi bắt networks use a compression model and transmit video data from đầu. the camera to a cloud server for storage or processing due to cheap price and low-configuration of camera devices. Besides, - Điện toán đám mây cung cấp tài nguyên không giới hạn there are many difficulties in deploying an AI Cloud system with Trí thông minh nhân tạo và các quá trình học máy đòi hỏi a large number of cameras. To solve the problem, the authors một lượng tài nguyên điện toán đáng kể, do đó, nói chung, propose to apply a distributed computing model (Edge AI) to việc chuyển sang đám mây là hợp lý. Tuy nhiên, có một số the problem of warning hot weapons from surveillance cameras. yếu tố ngăn AI phát huy hết tiềm năng trên đám mây tập trung Keywords—Edge AI, AI Cloud, Hot Weapon, Smart Camera như vấn đề dữ liệu lớn, bảo mật, sự riêng tư, tốn băng thông mạng, hạn chế cho các bài toán đòi hỏi xử lý thời gian thực… I. GIỚI THIỆU Đối với mô hình cảnh báo tội phạm sử dụng vũ khí nóng Hiện nay lắp đặt camera giám sát an ninh ngày càng trở trong tình huống nguy hiểm, trước đây tác giả đã có những nên phổ biến tại nhiều thành phố trên thế giới. Số lượng nghiên cứu liên quan trong [1] [2] để xuất mô hình học Yolo- camera giám sát gia tăng nhanh, điều này đòi hỏi cần thiết V3 (You Only Look Once – Version 3) cho bài toán nhận phải quản lý chúng, giám sát đa phương tiện trên đám mây là dạng vũ khí nóng, sau đó cải tiến độ chính xác của mô hình một lĩnh vực nghiên cứu mới nổi. Trong các hệ thống giám với các nghiên cứu [3][4]. Tuy nhiên, đây chỉ mới là bước sát truyền thống, rất nhiều tài nguyên liên quan đến cơ sở hạ đầu trong việc đề xuất mô hình nhận diện khi tác giả chỉ mới tầng được yêu cầu để thực hiện hoạt động giám sát. đề xuất phương pháp nhận diện vật thể, chưa có cách thức xử Karimaa[5] nghiên cứu các đặc điểm độ tin cậy để mở rộng lý với dữ liệu lớn, số lượng lớn camera khi đưa vào hoạt động các công nghệ giám sát video có thể có trên cơ sở hạ tầng đám trong thực tiễn. Thách thức chính cho bài toán được đề cập mây. Cụ thể, tác giả đã xem xét các thuộc tính khả dụng, bảo là: mật, độ tin cậy và khả năng bảo trì của các giải pháp giám sát - Triển khai mạng giám sát trên diện rộng, số lượng video dựa trên đám mây và xác định các lợi thế tiềm năng camera lớn đáp ứng thời gian thực trong công nghệ này. Neal và Rahman [6] đã tiến hành phân tích chi tiết để khám phá liệu điện toán đám mây có phù hợp - Đảm bảo an toàn thông tin và riêng tư dữ liệu với hệ thống quản lý giám sát video độ phân giải cao (VMS) - Một số yêu cầu được xử lý cục bộ thay vì truyền dữ liệu hay không. Các tác giả đã xác định rằng mặc dù điện toán về trung tâm đám mây là một giải pháp khả thi cho ứng dụng VMS, nhưng có những vấn đề như vậy như chi phí, các vấn đề pháp lý và Trong bài báo này, tác giả để xuất mô hình Edge AI – mô các mối đe dọa khác cần được nghiên cứu thêm. Giống như ...