Visual Inference for IoT Systems: A Practical Approach

این کتاب یک رویکرد سیستماتیک برای پیاده‌سازی دستگاه‌های اینترنت اشیا (IoT) ارائه می‌کند که به استنتاج بصری از طریق شبکه‌های عصبی عمیق دست می‌یابد. جنبه‌های عملی با تمرکز بر ارائه دستورالعمل‌هایی برای انتخاب بهینه اجزای سخت‌افزار و نرم‌افزار و همچنین معماری‌های شبکه با توجه به الزامات برنامه تجویز شده، پوشش داده شده‌اند.

این مونوگراف شامل مجموعه‌ای قابل توجه از نتایج تجربی و رویه‌های کاربردی است که از مفاهیم نظری و روش شناسی معرفی شده است. یک مطالعه موردی در مورد تشخیص حیوانات بر اساس تله‌های دوربین هوشمند نیز ارائه شده و به طور کامل تجزیه و تحلیل شده است. در این مطالعه موردی، گزینه‌های مختلف سیستم مورد بررسی قرار می‌گیرد و یک تحقق خاص به طور کامل توسعه می‌یابد.

تصاویر، نمودارهای متعدد از شبیه‌سازی‌ها و آزمایش‌ها، و اطلاعات پشتیبان در قالب نمودارها و جداول، سیستم‌های استنتاج بصری و IoT را ایجاد می‌کنند. : یک رویکرد عملی راهنمای روشن و مفصل برای موضوع. این مورد برای محققان، متخصصان صنعتی و دانشجویان تحصیلات تکمیلی در زمینه‌های بینایی کامپیوتر و اینترنت اشیاء جالب خواهد بود.

This book presents a systematic approach to the implementation of Internet of Things (IoT) devices achieving visual inference through deep neural networks. Practical aspects are covered, with a focus on providing guidelines to optimally select hardware and software components as well as network architectures according to prescribed application requirements.

The monograph includes a remarkable set of experimental results and functional procedures supporting the theoretical concepts and methodologies introduced. A case study on animal recognition based on smart camera traps is also presented and thoroughly analyzed. In this case study, different system alternatives are explored and a particular realization is completely developed.

Illustrations, numerous plots from simulations and experiments, and supporting information in the form of charts and tables make Visual Inference and IoT Systems: A Practical Approach a clear and detailed guide to the topic. It will be of interest to researchers, industrial practitioners, and graduate students in the fields of computer vision and IoT.