Υλοποίηση μηχανισμού πρόβλεψης της κίνησης χρηστών κινητών συσκευών και μεταφόρτωσης υπολογισμών για εφαρμογές αναγνώρισης εικόνων

Αποστολόπουλος, Κωνσταντίνος; Apostolopoulos, Konstantinos

dc.contributor.author	Αποστολόπουλος, Κωνσταντίνος	el
dc.contributor.author	Apostolopoulos, Konstantinos	en
dc.date.accessioned	2023-01-19T11:01:18Z
dc.date.available	2023-01-19T11:01:18Z
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/56785
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.24483
dc.rights	Default License
dc.subject	Διαμοιρασμός Υπολογισμών	el
dc.subject	Υπολογισμός Άκρων	el
dc.subject	Τοπικό Υπολογιστικό Νέφος	el
dc.subject	Αναγνώριση Εικόνων	el
dc.subject	Συστήματα Εντοπισμού Θέσης	el
dc.subject	Computational Offloading	en
dc.subject	Edge Computing	en
dc.subject	Cloudlet	en
dc.subject	Image Recognition	en
dc.subject	Positioning Systems	en
dc.title	Υλοποίηση μηχανισμού πρόβλεψης της κίνησης χρηστών κινητών συσκευών και μεταφόρτωσης υπολογισμών για εφαρμογές αναγνώρισης εικόνων	el
heal.type	bachelorThesis
heal.classification	Δίκτυα Υπολογιστών	el
heal.language	el
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	2022-09-19
heal.abstract	Ο σκοπός της διπλωματικής εργασίας ήταν η ανάπτυξη τεχνικής διαμοιρασμού υπολογισμών μεταξύ έξυπνων κινητών συσκευών και εξυπηρετητών στο άκρο του δικτύου. Η τεχνική αυτή χρησιμοποιήθηκε για την εφαρμογή αναγνώρισης αντικειμένων εξασφαλίζοντας εγγυημένη απόδοση της υπηρεσίας στους χρήστες κινητών συσκευών. Η αναγνώριση αντικειμένων είναι μια εφαρμογή που απαιτεί πολλούς υπολογιστικούς πόρους, με αποτέλεσμα στις κινητές συσκευές να εκτελείται αργά και να καταναλώνει αρκετή ενέργεια. Για την εξοικονόμηση ενέργειας και πόρων, ο χρήστης μπορεί να αποστέλλει τα δεδομένα του σε ένα εξυπηρετητή που είναι γρήγορα προσβάσιμος στα άκρα του δικτύου. Συγκεκριμένα, έγινε μελέτη των τεχνικών εύρεσης σε πραγματικό χρόνο της σχετικής τοποθεσίας ενός χρήστη κινητής συσκευής σε έναν χώρο μέσω διαφόρων τεχνικών και σύγκριση αυτών των μεθόδων για την εύρεση του πιο αποδοτικού για την συγκεκριμένη εφαρμογή. Η γνώση της κινητικότητας του χρήστη είναι αναπόσπαστο κομμάτι της πληροφορίας που χρειάζεται η εφαρμογή και, σε συνεργασία με την γνώση της σχετικής θέσης των εξυπηρετητών στον ίδιο χώρο, χρησιμοποιήθηκε για την βέλτιστη επιλογή βάσει συνθηκών του κατάλληλου εξυπηρετητή για την εκτέλεση της υπηρεσίας αναγνώρισης εικόνας με βάση έναν αλγόριθμο γεωμετρικού προσδιορισμού και ελαχιστοποίησης συνάρτησης κόστους με μετρικές απόστασης, ταχύτητας και συχνότητας μεταφοράς δεδομένων μεταξύ κινητής συσκευής και εξυπηρετητή. Στα πλαίσια της εργασίας χρησιμοποιήθηκε κινητή συσκευή Raspberry Pi 3 συνδεδεμένο με φορητή μπαταρία και εξυπηρετητές τύπου linux στον χώρο του Εργαστηρίου Διαχείρισης & Βέλτιστου Σχεδιασμού Δικτύων Τηλεματικής του Εθνικού Μετσόβιου Πολυτεχνείου. Η εφαρμογή υλοποιήθηκε με την χρήση του λογισμικού Django για την παροχή της υπηρεσίας των εξυπηρετητών μέσω ασύρματων δικτύων WiFi και TensorFlow για την εφαρμογή αναγνώρισης εικόνας. Η χρήση των συγκεκριμένων εργαλείων έγινε με στόχο την απλότητα, ταχύτητα, ευελιξία και κλιμακωσιμότητα που προσφέρουν.	el
heal.abstract	The purpose of this thesis was to develop computational offloading techniques between smart mobile devices and servers at the network edge. This technique was used on an image recognition application ensuring guaranteed performance of the service to mobile users. Object recognition is an application that requires a lot of computing resources, resulting in high processing delays in mobile devices and consuming a lot of power. To save energy and resources, the user can upload his data to a server that is quickly accessible at the network edge. Specifically, real-time methods of finding a mobile device user's relative location in a space were studied using various techniques used in literature and comparing these to find the most efficient one for that particular application. Awareness of user mobility is an integral part of the information needed by the application and, in conjunction with prior knowledge of the relative position of servers in the same site, was used to optimally select under the specific conditions the appropriate server to perform the image recognition service, based on a geometric algorithm for determining and minimizing the cost function with metrics of distance, speed, and frequency of data transfer between mobile device and server. As part of the project, a Raspberry Pi 3 mobile device connected to a portable battery and linux-type servers were used in the area of the Network Management and Optimal Design Laboratory (NETMODE) of the National Technical University of Athens. The server functionality was implemented using Django software to provide the service via WiFi wireless networks and TensorFlow for handling the image recognition application. The use of these tools was made with the aim of providing simplicity, speed, flexibility and scalability.	en
heal.advisorName	Παπαβασιλείου, Συμεών	el
heal.committeeMemberName	Παπαβασιλείου, Συμεών	el
heal.committeeMemberName	Βαρβαρίγου, Θεοδώρα	el
heal.committeeMemberName	Ρουσσάκη, Ιωάννα	el
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών. Τομέας Επικοινωνιών, Ηλεκτρονικής και Συστημάτων Πληροφορικής. Εργαστήριο Διαχείρισης και Βέλτιστου Σχεδιασμού Δικτύων	el
heal.academicPublisherID	ntua
heal.numberOfPages	91 σ.	el
heal.fullTextAvailability	false