Provisional Title

Energy Efficient Environmental Monitoring System Using ConvNN for Wireless Image Sensor Networks

Introduction(1.5p with title, authors, abstract)

• 비슷한 연구들(environmental monitoring)
• Contribution
  • We suggest energy efficient system architecture for monitoring environmental phenomena using wireless image sensor networks.
  • For building autonomous classifying system, we built a deep learning model using state-of-arts network model.
  • We applied image processing for raw image to reduce amount of data to be transmitted and evaluate the relation between traffic and classification accuracy.

Problem Statement and Motivation(1.5p ~3p)

• 이미지 데이터는 너무 커
  • 에너지 소비량 큼
• 기존 ML의 어려움
  • 1채널 GrayScale 영상 (Feature가 1개 뿐)
  • 사진의 히스토그램 분포가 비슷비슷해.
    • 히스토그램 분포가 비슷한 여러 그림들.
  • 각 둥지마다의 모델을 만들어야해.
    • 각 둥지마다 들어오는 빛의 양, 둥지의 구성 등이 다르기 때문에 단일 모델은 힘들어.
      • 같은 클래스인데 다른 둥지라서 히스토그램이 다름.
    • 시간이 지남에 따라 태양의 양, 빛이 들어오는 장소가 다르고 둥지의 모양변화 때문에 단일 모델이 있다고 해도 사실 힘들어.
      • 같은 둥지인데 같은 클래스지만 시간이 지남에 따라 모양이 바뀜.
  • 위 이유때문에 ROI Extracting이 필요한데 여기에 따른 비용이 매우 커

System Architecture(2.5 page ~5.5p)

이미지를 압축하는 부분(1.5 page)

• Resize(전체 이미지를 담고있어야하는 이유)
• color quantization (다른 알고리즘들과의 비교 필요?- 교수님논문 가지고 오는거 가능??)

이미지를 분류하는 부분(1 page)

• Augmentation
• Deep learning Model

Evaluation(2.5 page - ~8p)

• 프로세싱된 이미지의 PSNR, MSE, SSIM 등..
• Accuracy
• 전송량 대비
• 전력측정 (1페이지)
  • TelosB
  • SAMR21
  • Mica

Related Works(0.5 page - 8.5~p)

Contribtion(0.5page - ~9p)