본 논문에서는 스마트폰을 위한 새로운 교통수단 인식 시스템인 DeepVehicleSense를 제시한다. DeepVehicleSense는 모바일 상황인지 서비스에 널리 적용될 수 있다. DeepVehicleSense는 후보 교통수단 상태에 있는 동안 내장 마이크로 포착되는 음향 특성을 활용함으로써 동시에 높은 정확도, 낮은 지연, 낮은 전력 소모의 세 가지 성능 목표를 달성하는 것을 지향한다. 높은 에너지 효율을 달성하기 위해, DeepVehicleSense는 스마트폰의 마이크 활성화를 최소화하는 계층적 가속도계 기반 트리거를 채택한다. 또한 높은 정확도와 낮은 지연을 달성하기 위해, DeepVehicleSense는 교통수단 음향 샘플을 가장 잘 추출할 수 있는 비선형 필터를 활용한다. 다섯 가지 서로 다른 교통수단 모드 인식을 위해, 복수 브랜치를 갖는 새로운 딥 신경망 아키텍처를 바탕으로 딥러닝 기반 음향 분류기를 설계한다. 단계적 추론 기법은 대부분의 샘플에서 높은 정확도를 유지하면서 실행 시간과 에너지 소비를 유의미하게 감소시킬 수 있다. 서로 다른 7종의 Android 전화 모델에서 수집한 263시간 데이터셋을 통해, DeepVehicleSense가 하루 종일 모니터링을 위한 평균 전력 소모 35.08 mW에서 단 2초의 음향 샘플만으로도 97.44%의 인식 정확도를 달성함을 보여준다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.