Semantic Communication Enabling Robust Edge Intelligence for Time-Critical IoT Applications

要約

このホワイト ペーパーでは、タイム クリティカルな IoT アプリケーション向けのセマンティック通信を使用して、堅牢なエッジ インテリジェンスを設計することを目的としています。
推論精度に対する画像 DCT 係数の影響を体系的に分析し、最も意味のあるタスク データを最初に送信することによってオフロードするためのチャネルに依存しない有効性エンコーディングを提案します。
このスキームは、利用可能なすべての通信リソースを十分に活用し、伝送遅延と推論精度のバランスを取ることができます。
次に、畳み込みニューラル ネットワーク (CNN) トレーニング用の新しい画像拡張プロセスを実装することにより、効果的なデコードを設計します。これにより、元の CNN モデルが堅牢な CNN モデルに変換されます。
提案されたトレーニング方法を使用して、Robust MobileNet-v2 と Robust ResNet-50 を生成します。
提案されたエッジ インテリジェンス フレームワークは、提案された有効性エンコーディングと有効性デコーディングで構成されます。
実験結果は、Robust CNN モデルを使用した効果的な復号化が、チャネル エラーまたは限られた通信リソースによって引き起こされるさまざまな画像の歪みの下で一貫して優れたパフォーマンスを発揮することを示しています。
セマンティック コミュニケーションを使用する提案されたエッジ インテリジェンス フレームワークは、レイテンシとデータ レートの制約の下で、特に非常に厳しい期限と低いデータ レートの下で、従来のアプローチよりも大幅に優れています。

要約(オリジナル)

This paper aims to design robust Edge Intelligence using semantic communication for time-critical IoT applications. We systematically analyze the effect of image DCT coefficients on inference accuracy and propose the channel-agnostic effectiveness encoding for offloading by transmitting the most meaningful task data first. This scheme can well utilize all available communication resource and strike a balance between transmission latency and inference accuracy. Then, we design an effectiveness decoding by implementing a novel image augmentation process for convolutional neural network (CNN) training, through which an original CNN model is transformed into a Robust CNN model. We use the proposed training method to generate Robust MobileNet-v2 and Robust ResNet-50. The proposed Edge Intelligence framework consists of the proposed effectiveness encoding and effectiveness decoding. The experimental results show that the effectiveness decoding using the Robust CNN models perform consistently better under various image distortions caused by channel errors or limited communication resource. The proposed Edge Intelligence framework using semantic communication significantly outperforms the conventional approach under latency and data rate constraints, in particular, under ultra stringent deadlines and low data rate.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google