Energy-Efficient Transportation Mode Recognition from Smartphone Sound
연구 내용
스마트폰 마이크 사운드 특징을 활용해 교통 모드를 실시간 인식하면서 지연과 전력 소모를 동시에 낮추는 연구
스마트폰의 내장 마이크에서 획득되는 사운드 신호를 기반으로 교통 모드를 분류하는 문제를 다룹니다. 에너지 효율을 위해 계층적 트리거로 마이크 활성 구간을 최소화하고, 비선형 필터를 적용해 교통 관련 음향 샘플을 효과적으로 추출합니다. 또한 다중 브랜치 구조를 갖는 딥러닝 사운드 분류기를 설계하고, staged inference로 추론 시간을 줄이면서도 정확도를 유지하는 방향으로 시스템을 구성합니다. 결과적으로 모바일 환경에서의 전력 제약 하 인식 성능을 확보합니다.
관련 연구 성과
관련 논문
1편
관련 특허
0건
관련 프로젝트
0건
연구 흐름
초기 연구는 모바일에서 발생하는 사운드 데이터를 활용해 교통 모드를 분류할 수 있는 구조를 정립하고, 정확도와 지연을 함께 고려한 학습·추론 파이프라인을 설계하는 데 집중되었습니다. 이후에는 계층적 트리거와 비선형 필터링으로 샘플 품질과 에너지 효율을 동시에 개선하는 방향으로 확장되었습니다. 최근에는 staged inference를 통해 대다수 샘플에서 불필요한 연산을 줄여 모바일 전력-지연 트레이드오프를 완화하는 시스템 최적화를 수행하는 궤적을 보입니다.
활용 가능성
활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.
관련 논문
구분
제목
DeepVehicleSense: An Energy-Efficient Transportation Mode Recognition Leveraging Staged Deep Learning Over Sound Samples