IoT領(lǐng)域應(yīng)用的分類

基礎(chǔ)服務(wù)

1）圖像識(shí)別：

IoT的一大部分應(yīng)用場(chǎng)景中，輸入深度學(xué)習(xí)的數(shù)據(jù)是圖片或視頻。每天，每個(gè)人都在用手機(jī)的高清攝像頭拍攝者圖片和視頻，除此之外，家居、校園或工廠也在使用智能攝像頭。所以，圖像識(shí)別、分類、目標(biāo)檢測(cè)是這類設(shè)備的基礎(chǔ)應(yīng)用。

2）語(yǔ)音識(shí)別

隨著智能手機(jī)和可穿戴設(shè)備的普及，語(yǔ)音識(shí)別也成了人們和自己的設(shè)備互動(dòng)的一種自然而方便的方式。Price等人搭建了一個(gè)專用的低功耗深度學(xué)習(xí)芯片，用于自動(dòng)語(yǔ)音識(shí)別。這種特制芯片的能量消耗要比目前手機(jī)上運(yùn)行的語(yǔ)音識(shí)別工具的能量消耗低100倍。

3）室內(nèi)定位

室內(nèi)定位在IoT領(lǐng)域有許多應(yīng)用，例如智能家居、智能校園、或智能醫(yī)院。例如DeepFi系統(tǒng)，在線下訓(xùn)練階段，通過(guò)深度學(xué)習(xí)用之前儲(chǔ)存的WiFi通道狀態(tài)信息數(shù)據(jù)來(lái)訓(xùn)練網(wǎng)絡(luò)權(quán)重，在線上定位階段通過(guò)fingerpringting來(lái)測(cè)定用戶位置。

4）生理和心理狀態(tài)檢測(cè)

IoT與深度學(xué)習(xí)的結(jié)合也應(yīng)用在了檢測(cè)各種生理或心理狀態(tài)中，例如姿態(tài)、活動(dòng)和情緒。許多IoT應(yīng)用都在交付的服務(wù)中整合了人體姿態(tài)估計(jì)或活動(dòng)識(shí)別模塊，例如智能家居、智能汽車、XBox、健康、運(yùn)動(dòng)等等。

5）安全和隱私

安全和隱私是所有IoT領(lǐng)域應(yīng)用所關(guān)注的一個(gè)重要問(wèn)題。事實(shí)上，系統(tǒng)功能的有效性取決于是否能保護(hù)機(jī)器學(xué)習(xí)工具和處理過(guò)程不受攻擊。虛假數(shù)據(jù)注入（False Data Injection，F(xiàn)DI）是數(shù)據(jù)驅(qū)動(dòng)系統(tǒng)的一種常見攻擊類型。He等人提出用條件DBN從歷史數(shù)據(jù)中提取FDI特征，然后利用這些特征進(jìn)行實(shí)時(shí)攻擊檢測(cè)。作為物聯(lián)網(wǎng)數(shù)據(jù)和應(yīng)用程序的一大貢獻(xiàn)者，智能手機(jī)也面臨著黑客攻擊的威脅。Yuan等人提出用深度學(xué)習(xí)框架來(lái)鑒別安卓應(yīng)用中的惡意軟件，準(zhǔn)確率達(dá)到了96.5%。深度機(jī)器學(xué)習(xí)方法的安全性和隱私保護(hù)是能否在IoT領(lǐng)域應(yīng)用的最重要因素。Shokri等人提出了一種解決分布式學(xué)習(xí)的深度學(xué)習(xí)模型隱私保護(hù)問(wèn)題的方法。

IoT應(yīng)用和基礎(chǔ)服務(wù)

應(yīng)用

1）智能家居：

智能家居的概念涉及廣泛的基于IoT的應(yīng)用，它有助于提高家庭的能源使用和效率，以及居住者的便利性、生產(chǎn)力和生活質(zhì)量。如今，家電可以與互聯(lián)網(wǎng)連接，提供智能服務(wù)。例如微軟和 Liebherr的一個(gè)合作項(xiàng)目，對(duì)從冰箱內(nèi)收集的信息應(yīng)用了Cortana 深度學(xué)習(xí)。這些分析和預(yù)測(cè)可以幫助家庭更好地控制他們的家庭用品和開支，并結(jié)合其他外部數(shù)據(jù)，可用于監(jiān)測(cè)和預(yù)測(cè)健康趨勢(shì)。

2）智慧城市：

智能城市服務(wù)跨越多個(gè)物聯(lián)網(wǎng)領(lǐng)域，如交通、能源、農(nóng)業(yè)等。智慧城市的一個(gè)重要問(wèn)題是預(yù)測(cè)群體移動(dòng)模式，Song等人開發(fā)了基于深度神經(jīng)網(wǎng)絡(luò)模型的系統(tǒng)，在城市級(jí)別實(shí)現(xiàn)了這一目標(biāo)。Liang等人基于RNN模型搭建了實(shí)時(shí)群體密度預(yù)測(cè)系統(tǒng)，利用移動(dòng)手機(jī)用戶的通信數(shù)據(jù)對(duì)交通站的群體密度進(jìn)行預(yù)測(cè)。廢物管理和垃圾分類也是智慧城市的一個(gè)相關(guān)任務(wù)，可以通過(guò)基于視覺分類任務(wù)的CNN模型來(lái)實(shí)現(xiàn)自動(dòng)化。Amato等人基于智能相機(jī)和深度CNN開發(fā)了檢測(cè)停車場(chǎng)的使用中和空閑車位的系統(tǒng)。

3）能源：

消費(fèi)者與智能電網(wǎng)之間的雙向通信是IoT大數(shù)據(jù)的來(lái)源。能源供應(yīng)商希望學(xué)習(xí)當(dāng)?shù)氐哪茉聪M(fèi)模式、預(yù)測(cè)需求，并根據(jù)實(shí)時(shí)分析做出適當(dāng)?shù)臎Q定。在智能電網(wǎng)方面，從太陽(yáng)能、風(fēng)能或其他類型的自然可持續(xù)能源中預(yù)測(cè)電力是一個(gè)活躍的研究領(lǐng)域，深度學(xué)習(xí)在這一領(lǐng)域的許多應(yīng)用中越來(lái)越多地被使用。

4）智能交通系統(tǒng)：

來(lái)自智能交通系統(tǒng)（ITS）的數(shù)據(jù)是大數(shù)據(jù)的另一個(gè)數(shù)據(jù)源。Ma等人采用RBM和RNN結(jié)構(gòu)設(shè)計(jì)了一個(gè)交通網(wǎng)絡(luò)分析系統(tǒng)，模型輸入是參與該系統(tǒng)的出租車GPS數(shù)據(jù)。該系統(tǒng)通過(guò)一小時(shí)內(nèi)的累積數(shù)據(jù)預(yù)測(cè)交通擁堵的準(zhǔn)確率高達(dá)88%。ITS也帶動(dòng)了交通標(biāo)志檢測(cè)和識(shí)別的發(fā)展，這一技術(shù)在自動(dòng)駕駛、輔助駕駛系統(tǒng)中都有很重要的應(yīng)用。除此之外，許多初創(chuàng)公司應(yīng)用深度學(xué)習(xí)來(lái)完善自動(dòng)駕駛汽車系統(tǒng)的檢測(cè)行人、交通標(biāo)志、路障等任務(wù)。

5）醫(yī)療和健康：

IoT結(jié)合深度學(xué)習(xí)也在為個(gè)人和組織提供醫(yī)療和健康方案中得到應(yīng)用。例如，開發(fā)基于移動(dòng)應(yīng)用程序的精確測(cè)量飲食攝入量的解決方案，可以幫助提升個(gè)人健康和幸福感。Liu等人采用CNN開發(fā)了識(shí)別食物圖片和相關(guān)信息的系統(tǒng)。用深度學(xué)習(xí)對(duì)醫(yī)學(xué)圖片進(jìn)行分類和分析是醫(yī)療領(lǐng)域的研究熱點(diǎn)。Pereira等人通過(guò)CNN識(shí)別手寫圖片來(lái)鑒定早期帕金森癥。除此之外，深度學(xué)習(xí)與IoT的結(jié)合在聲音異常檢測(cè)、乳腺血管疾病檢測(cè)中也得到了應(yīng)用

6）農(nóng)業(yè)：

生產(chǎn)健康作物和發(fā)展有效的種植方式是健康社會(huì)和可持續(xù)環(huán)境的要求。使用深度神經(jīng)網(wǎng)絡(luò)進(jìn)行植物病害識(shí)別是一個(gè)可行的解決方案。深度學(xué)習(xí)也被用于遙感，進(jìn)行土地和作物的檢測(cè)與分類。研究顯示，使用CNN進(jìn)行作物識(shí)別準(zhǔn)確率達(dá)到了85%，相比于MLP或隨機(jī)森林有很大提高。自動(dòng)耕作中的預(yù)測(cè)和檢測(cè)任務(wù)也應(yīng)用了深度學(xué)習(xí)。

7）教育：

IoT和深度學(xué)習(xí)的結(jié)合有助于提高教育系統(tǒng)的效率。移動(dòng)設(shè)備可以收集學(xué)生的數(shù)據(jù)，深度分析方法可以用來(lái)預(yù)測(cè)和解釋學(xué)生的進(jìn)步和成就。增強(qiáng)現(xiàn)實(shí)技術(shù)結(jié)合可穿戴設(shè)備和移動(dòng)設(shè)備也是深度學(xué)習(xí)在這一領(lǐng)域的潛在應(yīng)用，激發(fā)學(xué)生的興趣，讓教育學(xué)習(xí)方法更有效。此外，深度學(xué)習(xí)可以用于個(gè)性化推薦模塊，向教育者推薦更多相關(guān)內(nèi)容。利用深度學(xué)習(xí)對(duì)大型開放式網(wǎng)絡(luò)課程數(shù)據(jù)（MOOC）進(jìn)行分析，可以幫助學(xué)生更好的學(xué)習(xí)。除此之外，利用CNN監(jiān)測(cè)教室占用率是深度學(xué)習(xí)在教育方面的另一個(gè)應(yīng)用。

8）工業(yè)：

對(duì)于工業(yè)部門來(lái)說(shuō)，IoT和網(wǎng)絡(luò)物理系統(tǒng)（CPS）是推動(dòng)制造技術(shù)邁向智能制造（工業(yè)4.0）的核心要素。工業(yè)中的廣泛應(yīng)用均可以受益于深度學(xué)習(xí)模型的引入。通過(guò)將裝配線中生產(chǎn)車輛的圖像及其注釋都輸入深度學(xué)習(xí)系統(tǒng)，可以利用AlexNet、GoogLeNet等網(wǎng)絡(luò)實(shí)現(xiàn)視覺檢測(cè)。

9）政府：

許多涉及市政的各種任務(wù)需要精確的分析和預(yù)測(cè)。利用美國(guó)地質(zhì)調(diào)查局網(wǎng)絡(luò)的歷史數(shù)據(jù)訓(xùn)練LSTM網(wǎng)絡(luò)，可進(jìn)行地震預(yù)測(cè)。利用極端氣候的圖片訓(xùn)練CNN，進(jìn)行極端氣候事件探測(cè)。此外，城市的基礎(chǔ)設(shè)施，如道路、供水管道等的損害檢測(cè)，是IoT和深度學(xué)習(xí)可以為政府提供便利的另一個(gè)領(lǐng)域。

10）運(yùn)動(dòng)和娛樂：

運(yùn)動(dòng)分析近年來(lái)發(fā)展迅速，為團(tuán)隊(duì)或運(yùn)動(dòng)員帶來(lái)了競(jìng)爭(zhēng)優(yōu)勢(shì)。提出了深度學(xué)習(xí)方法打造智能籃球場(chǎng)。采用RNN識(shí)別NBA比賽中的球員違規(guī)。結(jié)合了可穿戴設(shè)備傳感數(shù)據(jù)和CNN進(jìn)行排球運(yùn)動(dòng)員活動(dòng)識(shí)別。采用層級(jí)結(jié)構(gòu)的LSTM模型研究排球隊(duì)的整體活動(dòng)。

11）零售：

隨著移動(dòng)設(shè)備的普及，網(wǎng)上購(gòu)物的人數(shù)大大增加了。最近出現(xiàn)了通過(guò)視覺搜索技術(shù)向產(chǎn)品圖像檢索的轉(zhuǎn)變。CNN一直用于服裝和時(shí)尚市場(chǎng)的視覺搜索，幫助你在網(wǎng)店中找到在電影中看到的或在街上看到的商品。IoT結(jié)合深度學(xué)習(xí)可以搭建視覺購(gòu)物輔助系統(tǒng)，包括智能眼鏡、手套和購(gòu)物車，目的是幫助視障人士購(gòu)物。此外，智能購(gòu)物車的開發(fā)可以實(shí)現(xiàn)實(shí)時(shí)自結(jié)賬的功能。