Diseñando Estrategias de Despliegue Automatizado de Soluciones de Reconocimiento Facial en Plataformas IoT Heterogéneas
Autores: Elordi, Unai; Lunerti, Chiara; Unzueta, Luis; Goenetxea, Jon; Aranjuelo, Nerea; Bertelsen, Alvaro; Arganda-Carreras, Ignacio
Idioma: Inglés
Editor: MDPI
Año: 2021
Acceso abierto
Artículo científico
2021
Diseñando Estrategias de Despliegue Automatizado de Soluciones de Reconocimiento Facial en Plataformas IoT Heterogéneas
Categoría
Gestión y administración
Subcategoría
Gestión de la tecnología y la inovación
Palabras clave
Reconocimiento facial
Plataformas IoT
Redes neuronales profundas
Datos biométricos
Interacción del usuario
Implementación
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 1
Citaciones: Sin citaciones
En este artículo, abordamos el problema de implementar soluciones de reconocimiento facial (RF) en plataformas heterogéneas de Internet de las Cosas (IoT). Los principales desafíos son el despliegue óptimo de redes neuronales profundas (DNN) en la alta variedad de dispositivos IoT (por ejemplo, robots, tabletas, teléfonos inteligentes, etc.), la gestión segura de datos biométricos respetando la privacidad de los usuarios, y el diseño de una interacción adecuada con los mecanismos de verificación facial para todo tipo de usuarios. Analizamos diferentes enfoques para resolver todos estos desafíos y proponemos una metodología impulsada por el conocimiento para el despliegue automatizado de soluciones de RF basadas en DNN en dispositivos IoT, con la gestión segura de datos biométricos y retroalimentación en tiempo real para mejorar la interacción. Proporcionamos algunos ejemplos prácticos y resultados experimentales con DNN de última generación para RF en las plataformas de hardware de Intel y NVIDIA como dispositivos IoT.
Descripción
En este artículo, abordamos el problema de implementar soluciones de reconocimiento facial (RF) en plataformas heterogéneas de Internet de las Cosas (IoT). Los principales desafíos son el despliegue óptimo de redes neuronales profundas (DNN) en la alta variedad de dispositivos IoT (por ejemplo, robots, tabletas, teléfonos inteligentes, etc.), la gestión segura de datos biométricos respetando la privacidad de los usuarios, y el diseño de una interacción adecuada con los mecanismos de verificación facial para todo tipo de usuarios. Analizamos diferentes enfoques para resolver todos estos desafíos y proponemos una metodología impulsada por el conocimiento para el despliegue automatizado de soluciones de RF basadas en DNN en dispositivos IoT, con la gestión segura de datos biométricos y retroalimentación en tiempo real para mejorar la interacción. Proporcionamos algunos ejemplos prácticos y resultados experimentales con DNN de última generación para RF en las plataformas de hardware de Intel y NVIDIA como dispositivos IoT.