The use of Heterogeneous Deep Neural Network System in Radio Tomography to Detect People Indoors
Fragment książki (Materiały konferencyjne)
MNiSW
200
konferencja
| Status: | |
| Autorzy: | Kłosowski Grzegorz, Rymarczyk Tomasz, Adamkiewicz Przemysław, Styła Michał |
| Dyscypliny: | |
| Aby zobaczyć szczegóły należy się zalogować. | |
| Wersja dokumentu: | Drukowana | Elektroniczna |
| Język: | angielski |
| Strony: | 859 - 861 |
| Web of Science® Times Cited: | 1 |
| Scopus® Cytowania: | 2 |
| Bazy: | Web of Science | Scopus |
| Efekt badań statutowych | NIE |
| Materiał konferencyjny: | TAK |
| Nazwa konferencji: | 28th Annual International Conference on Mobile Computing and Networking |
| Skrócona nazwa konferencji: | ACM MobiCom '22 |
| URL serii konferencji: | LINK |
| Termin konferencji: | 17 października 2022 do 21 października 2022 |
| Miasto konferencji: | Sydney |
| Państwo konferencji: | AUSTRALIA |
| Publikacja OA: | TAK |
| Licencja: | |
| Sposób udostępnienia: | Witryna wydawcy |
| Wersja tekstu: | Ostateczna wersja opublikowana |
| Czas opublikowania: | W momencie opublikowania |
| Data opublikowania w OA: | 14 października 2022 |
| Abstrakty: | angielski |
| Wireless sensor networks, made so that objects and people can be found without devices, are an important part of our high-tech world. This poster aims to show how heterogeneous convolutional neural networks can be used to improve a radio tomographic imaging system that can find people indoors precisely. In addition to original algorithmic solutions, the system's advantages include using properly designed and integrated devices---radio probes---whose task is to emit Wi-Fi waves and measure the received signal strength. Thanks to the use of the two-stage approach, the sensitivity, resolution, and accuracy of imaging have increased. Furthermore, our solution works well for radio tomography and other types of tomography because it is easy to understand and can be used in many ways. |
