A Study on Adaptive Distributed Real-time Machine Learning Infrastructure

点击翻译按钮获取中文摘要

本研究では、動画像解析を伴うサイバーフィジカルシステム(CPS)のための高効率な適応的広域リアルタイム機械学習処理基盤の構築を目的とし、適応的エッジ処理手法の開発、適応的クラウドリアルタイム解析手法の開発、高効率エッジ、クラウド制御手法の開発と、それらの実広域環境での評価を行う。2020年度は、(a)エッジ、クラウド制御に向けた監視手法、(b)クラウドリアルタイム解析手法と、(c)ターゲットアプリケーションとなる動画像解析手法の研究・開発を進めた。(a)エッジ、クラウド制御に向けた監視手法の開発では、エッジ側では国立情報学研究所で開発しているIoTシステム用ミドルウェアSINETStreamのPython版のメトリクス収集APIを用い、エッジクライアントで通信状況の測定を可能にする通信性能評価ツールを開発し、SINETStreamのGitHubサイトで公開した。また、クラウド側の監視には、同じく国立情報学研究所で開発しているVCPの監視機能で必要な情報が収集できることを確認した。(b)クラウドリアルタイム解析手法の研究開発では、エッジ端末で動画像の特徴量抽出を行うことを前提とし、Apache Kafkaメッセージブローカで特徴量データを収集し、Apache Flink分散ストリーム処理基盤で並列推論処理を行うシステムを構築し、そのスケーラビリティを確認した。(c)動画像解析手法の研究では、動画像からの室内動作推定での学習精度を上げるため、合成データを活用した学習手法を検討した。本研究の成果は、学術雑誌1件に採択されるとともに、国内査読付き会議および研究会等で8件の発表がなされた。