T E L K O M N I K A  T elec o m m un ica t io n,  Co m pu t ing ,   E lect ro nics   a nd   Co ntr o l   Vo l.   19 ,   No .   1 ,  Feb r u ar y   2 0 2 1 ,   p p .   2 4 4 ~ 2 5 1   I SS N:  1 6 9 3 - 6 9 3 0 ,   ac cr ed ited   First Gr ad e  b y   Kem en r is tek d i k ti,  Dec r ee   No : 2 1 /E/KPT /2 0 1 8   DOI :  1 0 . 1 2 9 2 8 /TE L KOM NI K A. v 1 9 i1 . 1 6 2 3 2     244       J o ur na l ho m ep a g e :  h ttp : //jo u r n a l.u a d . a c. id /in d ex . p h p /TELK OM N I K A   Apply ing  conv o lutiona l neural ne t wo rks for  limi ted - memo ry   a pplica tion       Xua n - K ien D a ng 1 ,   H uy nh - N hu   T ruo ng 2 ,   Viet - Chi nh   Ng u y en 3 ,   T hi - Duy en - An h P ha m 4     1, 3, 4 Ho   Ch i  M in h   Cit y   U n iv e rsit y   o f  Tran sp o rt,   Vie tn a m   2 Ba   Ria - Vu n g   Tau   Co ll e g e   o f   Tec h n o lo g y ,   Vie tn a m       Ar t icle  I nfo     AB S T RAC T   A r ticle  his to r y:   R ec eiv ed   Ap r   2 ,   2 0 2 0   R ev is ed   J u n   1 2 ,   2 0 2 0   Acc ep ted   Au g   2 9 ,   2 0 2 0       Cu rre n tl y ,   c o n v o lu ti o n a l  n e u ra l  n e two rk s  (CNN )  a re   c o n sid e re d   a s  th e   m o st  e ffe c ti v e   to o l   in   ima g e   d iag n o sis a n d   p ro c e ss in g   tec h n i q u e s.   In   th is   p a p e r,   w e  stu d ied   a n d   a p p li e d   th e   m o d ifi e d   S S DLi te_ M o b il e Ne tV2   a n d   p ro p o se d   a   so lu ti o n   to   a lwa y s  m a in tain   t h e   b o u n d a ry   o f  t h e   t o tal  m e m o ry   c a p a c it y   in   th e   fo ll o wi n g   r o b u st  b o u n d   a n d   a p p li e d   o n   t h e   b rid g e   n a v i g a ti o n a l  wa tch   &   a larm   sy ste m   ( BNWAS ) .   Th e   h a rd wa re   wa s  d e sig n e d   b a se d   o n   ra sp b e rr y   Pi - 3 ,   a n   e m b e d d e d   si n g le  b o a rd   c o m p u ter  with   C P U  sm a rtp h o n e   lev e l,   li m it e d   RAM   with o u t  CUD A  G P U.  E x p e rime n tal  re su lt s   sh o we d   t h a t  th e   d e e p   lea rn i n g   m o d e l  o n   a n   e m b e d d e d   sin g le  b o a rd   c o m p u ter b rin g s  u s  h ig h   e ffe c ti v e n e ss   in   a p p li c a ti o n .   K ey w o r d s :   C o n v o lu tio n al  n eu r al  n etwo r k s   I m ag e  p r o ce s s in g   L im ited   h ar d war e  d ev ices   Ma r itime   ap p licatio n   Ob ject  class if icatio n     T h is i s  a n   o p e n   a c c e ss   a rticle   u n d e r  th e   CC B Y - SA   li c e n se .     C o r r e s p o nd ing   A uth o r :   Xu an - Kien   Dan g   Gr ad u ate  Sch o o l   Ho   C h i M in h   C ity   Un iv er s ity   o f   T r an s p o r t   Nu m b er   2 ,   Vo   Oan h   Stre et,   W ar d   2 5 ,   B in h   T h a n h   Dis tr ict,   Ho   C h i M in h   C ity ,   Viet n am   E m ail:  d an g x u an k ien @ h cm u tr an s . ed u . v n       1.   I NT RO D UCT I O N   Ob ject  d etec tio n   is   a  co m p u ter   tech n o lo g y   r elate d   to   co m p u t er   v is io n   an d   im ag e  p r o ce s s in g   th at  d ea ls   with   a  co m b in atio n   o f   o b ject  class if icatio n   an d   o b ject  p o s it io n in g .   T h e  ad v en t  o f   m o d er n   ad v an ce s   in   d ee p   lear n in g   [ 1 - 3 ]   h as led   to   s ig n if ican t a d v an ce s   in   o b ject  d etec t io n .   Mo s t r ec en t r esear ch   f o cu s ed   o n   d esig n in g   a   co m p lex   n etwo r k   f o r   o b ject  d e tectio n   b ased   o n   n eu r al  n etwo r k   to   en h an ce   ac c u r ac y ,   s u ch   as  s in g le  s h o t  d etec to r   ( SS D)   [ 4 ]   an d   f aster   R - C NN  [ 5 ] .     Ma n y   r esear ch er s   ar e  d ev o ted   to   d ev elo p in g   a  co m p u ter   tech n o lo g y   a nd  d ee p   lear n i n g   in   th e  m o d er n   life   f o r   ít  o u ts tan d in g   ad v a n ta g es.  C o n v o lu tio n al  n eu r al  n et wo r k s   ( C NNs )   ap p lied   o n   th e  d ataset  o f   im ag e  d ata   ( esp ec ially   lu n g   X - r ay )   [ 3 ]   f o r   class if icatio n   o f   p n eu m o n ia  d i s ea s e  an d   th e  r esu lt  was  o b tain ed   an   ac cu r ac y   r ate   of   9 7 %.  T h e   Alex Net’ s   d ee p   co n v o lu tio n al  n e u r al  n etwo r k   u s ed   as  a   p r e - tr ai n ed   n eu r al  n etwo r k   with     1 0 0 0   ca teg o r ies  f o r   im ag e   class if icatio n   [ 6 ]   to   d etec t  a n d   g eo t ag   ad v er tis em en t  b illb o ar d   in   r ea l - tim e  co n d itio n ,   an d   e x p er im e n tal  r esu lts   ac h i ev ed   9 2 . 7 %   tr ain in g   ac cu r ac y   f o r   ad v er tis em en t  b illb o ar d   d etec tio n .   B y   u s in g   co n v o l u tio n al  n eu r al  n etwo r k s ,   Z .   R u s tam ,   et  a l.,   [ 7 ]   p r o p o s ed   th e  m eth o d   to   ass is t  d o ct o r s   in   p r o v id i n g   th e   ap p r o p r iate  b elief s   an d   p r ed ict io n s   to   p atien ts ,   th e  r esu lts   s h o wed   th e  ca p ab ilit y   o f   C NNs  m eth o d   to   ac cu r ately   id en tify   th e   p atien t' s   X - r ay   t est  im ag es.  Acc o r d in g   to   th e   r esu lts   p u b l is h ed   in   [ 8 ] ,   th e   C NNs  m o d el  u s es    6 4 x 6 4   in p u t   s h ap e,   0 . 0 0 0 1   lea r n in g   r ate,   3 x 3   f ilter   s ize,   e p o ch   1 0 0   co u n t,  d ata  tr ain i n g   1 6 0 ,   an d   d ata  test in g   4 0 ,   th e   ac cu r ac y   lev el  o f   t r ain i n g   an d   test in g   in   class if icatio n   o f   g o lek   p u p p et  im ag e   attain e d   1 0 0 %  ac cu r ac y .   T h is   is   an   id ea l   r esu lt  th at   d e m o n s tr ates  th e  ef f ec tiv en ess   o f   u s in g   C NNs  m eth o d   i n   o b je ct   class if icatio n .   An   Evaluation Warning : The document was created with Spire.PDF for Python.
T E L KOM NI KA   T elec ommun   C o m p u t E l Co n tr o l         A p p lyin g   c o n vo lu tio n a l n e u r a l   n etw o r ks fo r   limited - mem o r y  a p p lica tio n   ( X u a n - K ien   Da n g )   245   ap p licatio n   o f   tr an s f er   lear n in g   b y   u s in g   C NNs  m eth o d   b as ed   o n   t h e  in ce p tio n - v 3   ar ch ite ctu r al  m o d el  [ 9 ]   f o r   ea r ly   d etec tio n   o f   ter r y ’ s   n ail.   T h e  ac cu r ac y   o b tain ed   with   tr ain in g   d ata   9 0 %,  p r ec is io n   a n d   m em o r y ,   ea c h   o f   wh ich   is   wo r th   9 5 . 2 4 %,  1 0 0 %,  an d   9 0 . 9 1 %.  Sp ec ially ,   we   in tr o d u ce   y o u   o n ly   l o o k   o n ce   ( YO LO ) ,   a  u n if ied   m o d el  f o r   o b ject  d etec tio n .   T h e  YOL O  m o d el  [ 1 0 ]   is   s im p le  to   co n s tr u ct  an d   ca n   b e  tr ai n ed   d ir ec tly   o n   f u ll   im ag es.  Un lik e  class if ier - b ase d   ap p r o ac h es,   f ast  YOL O  i s   t h e  f astes t  g en er al - p u r p o s e  o b ject  d etec to r   in   th e   liter atu r e  an d   YOL O  p u s h es   th e  s tate - of - th e - ar t in   r ea l - tim e   o b ject  d etec tio n ,   to   d o   s o   YOL O  g en er alize s   well   to   n ew  d o m ain s   m ak in g   it  id e al ,   f ast,  r o b u s t  o b ject  d etec tio n   f o r   ap p licatio n s   th at  r ely   o n .  Ho wev er ,   all  o f   th e   alg o r ith m s   r eq u ir e  a  la r g e  am o u n t  o f   r eso u r ce s   o f   th e  s y s te m ,   an d   to   p u t  th em   o n   lim ited   h ar d war e  d e v ices   n ee d s   to   b e  s tr ea m lin ed   an d   c o m p iled   in to   lim ited   h ar d war e .     R elate d   to   en s u r e  th e  m ar itime   s af ety ,   th e  m ain   o b jectiv e  co n s titu tes  th e  f o llo win g   two   task s   as  f o llo w:  th e  f ir s t  is   en s u r in g   th e  s af e ty   o f   life   an d   p r o p er ty   at  s ea   f r o m   th e  g eo g r ap h ic  an d   o p er atio n al  h az a r d s   ( u n d er wate r   o b s tacle s ,   co llis i o n ,   h ar m s   an d   d am ag es  ca u s e d   b y   th e  u n f av o r ab le  wea th er   co n d itio n s )   an d   th e   s ec o n d   is   en s u r in g   th e  s af ety   o f   s h ip   co n tr o l  th r o u g h o u t  t h e  jo u r n ey   b y   t h e  s ailer ,   if   d u r in g   a n   em e r g en c y   s itu atio n ,   a  n a v ig atio n al   o f f icer   is   n o t   ca p ab le   o f   h an d lin g   th at  s itu atio n ,   i t  ca n   lead   to   m ar i tim e  co llis io n .   Fo r   th e  f ir s t  task ,   th er e   ar e   m an y   s tu d ies   to   im p r o v e,   u p g r ad e   cu r r en t  s y s tem s   th at   h av e   s h o r tc o m in g s   in   r e g ar d   to   av ailab ili ty ,   in teg r ity ,   m o n ito r in g   an d   s y s tem   life   e x p ec tan c y   as  th e  g l o b al  n av ig atio n   s atellite  s y s tem   [ 1 1 ]   an d   th e  r eg io n al  s atellite  au g m en ta tio n   s y s tem   f o r   m ar itime   ap p li ca tio n s   [ 1 2 ] ,   o r   th e  d esig n   o f   s atellite  co n s tellatio n   f o r   I n d o n esian   m ar itime   s u r v eillan ce   u s in g   th e  AI S  d at a  ac q u is itio n   b y   L APAN - A 2   an d   L APAN - A3     s atellite s   [ 1 3 ]   with   t h e  eig h t   s atellit es  in   an   eq u ato r ial   o r b it  f o r   n ea r   r ea l - tim e  A I S  m o n ito r in g   in   I n d o n esia  an d   th e  o th er   eq u ato r ial  r eg i o n   m ak e  a  b etter   g lo b al  m ar itime   awa r en ess   an d   en s u r in g   t h e  m ar itime   s af ety .   T h e  s ec o n d   task ,   to   d esig n   a n d   m an u f ac tu r e   s y s tem s   s er v in g   s h ip s   to   en s u r e  s a f ety   in   s h ip   o p er atio n   p r o ce s s   b y   u s in g   n ew  co m p u ter   tec h n o n o g ies as n eu r al  n etwo r k ,   f u zz y - n eu r al,   o r   g e n etic  alg o r ith m .   I n   th is   p ap er ,   we  ai m ed   t o   a p p ly   th e   m o d if ied   SS DL ite_ Mo b ileNetV2   b o u n d e d   C NN  al g o r ith m   to   b r id g e  n av ig atio n al  watc h   &   al ar m   s y s tem   ( B N W AS) ,   e x ten s iv e  ex p e r im en ts   s h o wed   t h at  th e  p r o p o s ed   m et h o d   ca n   ac h iev e  t h e  s tate - of - th e - ar t  r esu lts   co m p ar e d   with   th e  b est  cu r r en t   m eth o d   b ased   o n   h an d   c r af te d    f ea tu r es  [ 1 4 ]   an d   th r ee   o th e r   r elate d   C NN  b ased   m eth o d s   [ 1 5 - 1 7 ]   an d   o u r   p r e v io u s   wo r k   [ 1 8 ]   f o r   im a g e   an aly s is .   Mo r eo v er ,   we  h a v e   v alid ated   th e   r atio n ality   a n d   r o b u s tn ess   o f   th e  p r o p o s ed   m o d el   with   m o r e   s u p p lem en tar y   r esu lts .   T h e  in v er ted   r esid u al  b o ttle n ec k   lay er s   allo w  a  p ar ticu lar ly   m em o r y - e f f icien t   im p lem en tatio n   wh ich   is   v e r y   im p o r ta n t  f o r   m o b ile  ap p l icatio n s .   A  s tan d ar d   ef f icien t   im p lem en tatio n   o f   in f er en ce   t h at  wer e  u s ed   f o r   i n s tan ce   T en s o r   Flo w  [ 1 9 ]   o r   C af f e  [ 20 ]   b u ilt  a   d ir ec ted   ac y clic  co m p u te  h y p er   g r ap h   G .   W ith   a  s m all  h a r d wa r e  s y s tem ,   we  u s ed   th e  SS D  L i te  Mo b ileNetV2   s tr u ctu r e   b ec au s e  it wa s   f a s t a n d   ac cu r ate.   No t   o n ly   wer e  th e   r eq u ir em en ts   f o r   im ag e   p r o ce s s in g ,   o b ject  d etec tio n   an d   cla s s if icatio n   m et,   th e   s y s tem   also   ab o d e  b y   I MO   [ 21 ,  22 ] ,   I E C   [ 23 ]   an d   [ 24 ,  25 ]   r eg u latio n s   wh ich   co u ld   b e  test ed   an d   d ir ec tly   o p er ated   o n   b o a r d .   W e  ca r ef u lly   d esig n ed   a   n ew   C NN  b ased   m eth o d   f o r   d etec ti n g   v ar io u s   t y p ical    im ag e - p r o ce s s in g   o p er atio n s ,   th e  m ain   co n tr ib u tio n s   o f   th is   p ap er   ar e  g iv en   as f o llo w:    −   W e  f ir s t  co n v er ted   th e  in p u t  im ag e  in to   r esid u als  to   s u p p r ess   th e  in f lu en ce   o f   im ag e  co n te n ts ,   an d   th en   u s ed   a   co n v o lu tio n al  lay er   to   in cr ea s e  th e  ch an n el  n u m b e r .     −   W e  em p lo y ed   s ix   s im ilar   lay er   g r o u p s   to   o b tain   th e  h i g h - lev e l f ea tu r es o f   th e   in p u t im a g e.     −   Fin all y ,   we  ap p lied   t h e  r esu ltin g   f ea tu r es  in t o   th e   f u ll  co n n ec t  lay er   f o r   class if icatio n   o f   th e  s y s tem ,   we  p r o p o s ed   a  s o lu tio n   to   alwa y s   m ain tain   th e  b o u n d ar y   o f   th e  t o tal  m em o r y   ca p ac ity   in   th e  f o llo win g   r o b u s t   b o u n d   an d   ap p lied   o n   t h e   B NW AS.   T h e  r est  o f   th e  p ap e r   is   o r g an i ze d   as  f o llo ws ;   s ec tio n   2   s h o ws  s o m e  r elate d   wo r k s   an d   p r o p o s ed   th e   m eth o d   r e d u cin g   m e m o r y   wh ile  en s u r in g   im ag e  q u ality   f o r   o b ject  d etec tio n   a n d   s ec tio n   3   d escr ib es  th e   s tr u ctu r e  o f   th e  p r o p o s ed   B NW AS  b ased   o n   co n v o lu tio n al  n eu r al  n etwo r k s ,   p r esen ts   th e  ex p er im en tal  r esu lts   an d   d is cu s s io n s .   Fin ally ,   th e  c o n clu d in g   r em a r k s   ar e  g i v en   i n   s ec t io n   4.       2.   CNNs  B A SE D  SS D  L I T E - M O B I L E   N E T   M E T H O D  F O R  O B J E CT   DE T E C T I O N  W I T H   L I M I T E D - M E M O RY   C NN  m o d els  ar e  h ig h ly   ac cu r ate,   b u t   th ey   all  h av e   a  co m m o n   d r awb ac k   t h at   is   th ey   ar e   n o t  s u itab le  f o r   m o b ile  ap p licatio n s   o r   e m b ed d e d   s y s tem s   with   lo w  p o wer   co m p u tin g .   I n   liter atu r e   r ev iew,   th e  a u th o r s     in   [ 2 6 ]   in tr o d u ce   r eso u r ce - f r u g al  q u a n tized   co n v o lu ti o n al  n eu r al  n etwo r k s   to   r ed u ce   th eir   s ize  with o u t   ad v er s ely   af f ec tin g   th e   class if icatio n   ca p ab ilit y   f o r   s eg m e n tin g   h y p er s p ec tr al  s atellite  im ag es,  esp ec ially   f o cu s in g   o n   th e   m em o r y   s av i n g s   o f   q u a n tized   C NNs.  Mo r eo v er ,   a n   a p p r o ac h   u s in g   o b ject  class   clu s ter in g   to   lo wer   b it  p r ec is io n   b e y o n d   q u an tizatio n   lim its   p r o p o s ed   b y   Pra teeth   Nay ak ,   et   a l .   [ 2 7 ]   u s e d   3   s ch e m es,  wh ich   ar e  u n if o r m - ASYMM ,   u n if o r m - SYMM ,   an d   p o wer - of - 2 .   T h e  r esu lt  is   all  o f   q u a n tizatio n   s ch em e  ac h iev e d   n ea r   o r ig in al  m o d el  ac cu r ac y   f o r   ev er y   te s ted   m o d el.   I f   y o u   wa n t  to   d ev elo p   th ese   m o d els  f o r   r ea l - tim e  a p p lica tio n s ,   y o u   n ee d   an   ex tr e m ely   p o wer f u l  co n f ig u r atio n   ( GPU/C PU)   f o r   em b ed d ed   s y s tem s   ( r asp b e r r y   Pi,  n an o   PC )   o r   ap p licatio n s   r u n n in g   o n   s m ar tp h o n es.   T h er e f o r e,   we  n ee d   to   b u ild   a  m o d el  lik e   SS D L ite - Mo b ileNet  h y b r id .   T h e  m ain   f ac to r   will  h elp   Evaluation Warning : The document was created with Spire.PDF for Python.
                    I SS N :   1 6 9 3 - 6 9 3 0   T E L KOM NI KA   T elec o m m u n   C o m p u t E l Co n tr o l ,  Vo l.  19 ,   No .   1 ,  Feb r u ar y   2 0 2 1 :    2 4 4   -   2 5 1   246   SS D  L ite - Mo b ile  Net  ac h iev e  h ig h   ac cu r ac y   wh ile  lo w  co m p u tatio n   tim e  lies   in   th e  h y b r id   s tr u ctu r e  f r o m   SS D  an d   M o b ileNet  s tr u ctu r e.   SS D  ( s in g le  s h o t  m u lti  b o x   d etec t o r )   is   an   o b ject   d etec to r   ( Fig u r e  1 )   t h at   p er f o r m s   two   m ain   s tep s :  ex t r ac t  f ea tu r e  m ap s   o f   f ea tu r es  ( f ea tu r e   m ap s )   an d   ap p ly   c o n v o lu tio n   f ilter s   ( co n v o lu tio n   f ilter s )   to   d etec t o b jects.           Fig u r e  1 .  Stru ctu r e  o f   s in g le  s h o t m u lti b o x   d etec to r   u s ed   to   d etec t a   n av ig atio n al  o f f ice r       T h e  lo s s   f u n ctio n   [ 3 ] :     ( , , , ) = 1 (  ( , ) +  ( , , ) )             ( 1 )     T h e  lo s s   f u n ctio n   co n s is ts   o f   t wo   ter m s :    an d   wh er e  N  is   th e  m atch ed   d ef au lt  b o x es.  Ma tch ed   d ef au lt   b o x es:      ( , , ) = ∑ ∑  ∈ {  , , , ℎ } ∈   ℎ 1 ( − ̂ )           ( 2 )     wh er e  ̂  = (  −  ) / , ̂  = (  −  ) / ℎ ,  ̂ =  ( )   an d   ̂ ℎ =  ( ) ;     is   th e   lo ca lizatio n   lo s s   wh ich   is   th e   s m o o th     lo s s   b etwe en   th e   p r e d icted   b o x   a n d   th e  g r o u n d - tr u th   b o x   p ar am eter s .   T h is   lo s s   f u n ctio n   is   s im ilar   to   th e  o n e  in   Fas ter   R - C NN.      is   t h e  co n f id en c e  lo s s   wh ich   is   th e  s o f tm ax   lo s s   o v er   m u ltip le  class es   co n f id en ce s   ( c) .   ( α   is   s et  to   1   b y   cr o s s   v alid atio n ) .        ( , ) = − ∑   ( ̂ ) − ∑  ( ̂ 0 ) ∈  ∈            ( 3 )     wh er e :  ̂ = ( ) ∑ ( ) ;  =   { 1 , 0 }   is   an   in d icato r   f o r   m atch in g   i - th   d ef au lt b o x   to   th e  j - th   g r o u n d   t r u th   b o x   o f   ca teg o r y   P.  I f   m   d ef au lt m a p s   ar e  u s ed   f o r   p r e d ictio n ,   we  s u g g est th e  f o r m   th e  s ca le  o f   t h e  d ef au lt  b o x es  f o r   ea ch   f ea tu r e  m ap   is   co m p u ted   as:     m a x m i n m i n ( 1 ) , [ 1 , ] 1 k ss s s k k m m − = + − −             ( 4)     B ased   o n   [ 2 4 ] ,   we   s et  p ar am et er     is   0 . 2   an d      is   0 . 9   ( s k   is   0 . 1 ,   0 . 2 ,   0 . 3 7 5 ,   0 . 5 5 ,   0 . 7 2 5 .   0 . 9   m e an s   3 0 ,   6 0 ,   1 1 2 . 5 ,   1 6 5 ,   2 1 7 . 5 ,   2 7 0   p i x els in p u t im ag e  ( 3 0 0 x 3 0 0 ) ) .   T h e  s tr u ctu r e  co n tain s   a  co m p letely   o r ig in al  c o n v o lu tio n   lay er   with   3 2   f ilt er s   an d   1 9   lay er s   o f   b o ttlen ec k .   Mo b ileNetV2   d etailed   s tr u ctu r e   is   d escr ib ed   b y   M.   San d ler   [ 2 5 ] .   T h e  in v er ted   r esid u al  b o ttlen ec k   lay er s   allo w  th e  s y s tem   to   h a v e  a  p a r ticu lar ly   e f f icien t  m e m o r y ,   wh ich   is   v e r y   im p o r tan t  f o r   a p p licatio n s .   A   s tan d ar d   ef f icien t  im p lem en tat io n   o f   in f er en ce   is   u s ed   in   T e n s o r   Flo w  [ 1 9 ]   o r   C af f e  [ 2 0 ] .   T h e  co m p u tatio n   is   s ch ed u led   to   m in im ize  t h e  to ta l n u m b e r   o f   ten s o r s   th at   n ee d s   to   b e  s to r e d   in   m em o r y .   I n   m o s t g en er al  ca s es,  it   s ea r ch es o v er   all  p lau s ib le  co m p u tatio n   o r d er s   Σ ( G)   a n d   p ic k s   th e  m in im u m   o n e.     ( ) = ∈ ∑ ( )  ∈ 1 . . [ ∑ | | ∈ ( , , ) ] + ( )             ( 5 )   Evaluation Warning : The document was created with Spire.PDF for Python.
T E L KOM NI KA   T elec ommun   C o m p u t E l Co n tr o l         A p p lyin g   c o n vo lu tio n a l n e u r a l   n etw o r ks fo r   limited - mem o r y  a p p lica tio n   ( X u a n - K ien   Da n g )   247   w h e r e :  R ( i ,   π ,   G )   i s   t h e   l i s t   o f   i n t e r m e d i a t e   t e n s o r s   t h a t   a r e   c o n n e c t e d   t o   a n y   o f   π i .   .   .   π n   n o d e s ,   | A |   r e p r e s e n t s   t h e   s i z e   o f   t h e   t e n s o r   A ,   a n d   s i z e ( π i )   i s   t h e   t o t a l   a m o u n t   o f   m e m o r y   n e e d e d   f o r   i n t e r n a l   s t o r a g e   d u r i n g   o p e r a t i o n   i .   Fo r   g r ap h s   th at  h av e   o n l y   tr iv ial   p ar allel   s tr u ctu r e   ( s u ch   as  r esid u al  c o n n ec tio n ) ,   th er e  is   o n ly   o n e   n o n tr iv ial  f ea s ib l e   co m p u tatio n   o r d e r ,   an d   th u s   t h e  to tal  am o u n t  an d   a  b o u n d   o n   th e  m e m o r y   M( G)   n ee d e d   f o r   i n f er en ce   o n   co m p u te  g r ap h   G  ca n   b e   s im p lifie d :     ( ) =   ∈ [ ∑ | | + ∑ | | + |  | ∈  ∈  ]             ( 6 )     Fo llo win g   [ 2 5 ] ,   th e  am o u n t  o f   m em o r y   is   s im p ly   th e  m ax i m u m   to tal  s ize  o f   co m b in e d   in p u ts   an d   o u tp u ts   ac r o s s   all  o p er atio n s .   I t  m ea n s   we  r ec o g n ize  th at  if   we  tr ea t  a   b o ttlen ec k   r esid u al  b lo ck   as  a  s in g le  o p er atio n   ( an d   tr ea t  in n er   c o n v o lu tio n   as  a  d is p o s ab le  ten s o r ) ,   th e  to tal  am o u n t  o f   m e m o r y   w o u ld   b e   d o m in ated   b y   th e  s ize  o f   b o ttlen ec k   ten s o r s ,   r ath er   th an   th e  s ize  o f   ten s o r s   th at  ar e  in ter n al  to   b o ttlen ec k   ( an d   m u ch   lar g er ) .   I n   a   T en s o r   Flo w  g r ap h ,   ea c h   n o d e   h as  ze r o   o r   m o r e   in p u ts   an d   ze r o   o r   m o r e   o u tp u ts ,   an d   r e p r esen ts   th e   in s tan tiatio n   o f   an   o p e r atio n .   Valu e s   th at  f lo w  alo n g   n o r m a l  ed g es  in   th e   g r a p h   ( f r o m   o u tp u ts   to   in p u ts )   ar e   ten s o r s ,   ar b itra r y   d im e n s io n a lity   ar r ay s   wh er e   th e  u n d e r ly in g   elem e n t  ty p e   is   s p ec if ied   o r   in f er r ed   a t     g r ap h - co n s tr u ctio n   tim e.   Fo r   s m all  ap p licatio n s ,   r ed u cin g   m em o r y   wh ile  en s u r i n g   im ag e  q u ality   is   g r ea t.   Ho wev er ,   wh e n   we  a b u s e  th i s ,   it  ca n   ea s ily   lead   to   in s tab ilit y   in   im ag e   p r o ce s s in g ,   s u ch   as  r ed u ci n g   im a g e   q u ality ,   wh ic h   r elate s   t o   th e   m ar g in al  lim it  o f   to tal  m em o r y   ca p ac ity .   I n   t h is   p ap er ,   we   p r o p o s ed   a   s o lu tio n   to   alwa y s   m ain t ain   th e  b o u n d ar y   o f   th e  to tal  m em o r y   ca p ac ity   in   th e  f o llo win g   r o b u s t  b o u n d   o f   OP  as  ( 7 )   as   f o llo ws:     ( ) =   ∈ [ ∑ | | + ∑ | | + ‖  ‖ ∞ ∈ ∈ ]           ( 7 )     Similar   with     ( )   =   ∈ [ ∑ | | + ∑ | | ∈ ∈ ] + ‖  ‖ ∞           ( 8 )     T h en ,   f o r   h y b r id   SS D  an d   Mo b ileNetV2 ,   we  r ep lace d   all  r eg u lar   co n v o lu tio n s   with   s ep ar ab le   co n v o l u tio n s   in   th e  SS D  n etwo r k ' s   p r ed ictiv e  class e s   [ 2 ]   to   r ed u ce   th e  n u m b er   o f   p ar am eter s   an d   h e lp   th e  m o d el  d ec r ea s e  th e  am o u n t  o f   to tal  m em o r y   ca p ac ity   as  s h o wed   in   ( 8 )   b u t  s till   m ain tain   th e  b o u n d ar y   o f   co m p u tin g   s tep s .   I n   p a r ticu lar ,   t h e  o u tp u t   is   lab eled   with   th e   o b ject   an d   t h e  co n f id en ce   lev el  is   in   p er ce n tag e  ter m s .   I n   th e   ex p er im en ts   o f   th is   p ap e r ,   th e   im p r o v e d   SS D - Mo b ile  Net  V 2   m eth o d   also   s h o wed   h i g h er   ef f i cien cy   th an   th e   m eth o d   o f   [ 2 5 ]   esp ec ially   wh e n   ap p lied   t o   th e  B NW AS .       3.   AP P L YING   C NNs  T O   DE SI G N  T H E   B RIDG E   NA VIGA T I O NAL  WA T CH   A ND   AL A RM   SYST E M     3 . 1 .     B NWAS  des ig n ba s e d o n  re g ula t io ns   o f   I M O   M SC.  1 2 8   ( 7 5 )   I n   r ec en t   y ea r s ,   it  is   k n o wn   t h at  s h ip s   u s u ally   p er f o r m   u n d er   th e  c o m p lex ity   an d   v u ln e r ab ilit y   o f   en v ir o n m en t,   s o   th at   th e  ch alle n g e  o f   s h i p   d e v elo p m en t  r em a in s   an   p r o b lem   o f   s ig n i f ican t a d v an ce m e n ts   f r o m   r esear ch er s .   T h ey   h av e  b ee n   p aid   at ten tio n   to   s tu d y   o f   s h ip   [ 2 7 - 3 0 ]   to   m ee t  th e  I MO   s tan d ar d s .   R ec en tly ,   th e   au th o r s   [ 1 8 ]   h av e  s tu d ied   an d   ap p lied   th e  m o d if ied   SS DL ite_ Mo b ileNetV2   h y b r i d   alg o r i th m   to   B N W AS   b y   u s in g   th e  h ar d war e   b ased   o n   r asp b er r y   Pi - 3   to   m ee t  t h e  r e q u ir em en ts   o f   I MO   MSC .   1 2 8   ( 7 5 )   a n d   SOLA S  C h ap ter   V,   R eg . 1 9   MSC .   2 8 2   ( 8 6 )   [ 2 3 ]   r ev is ed   o n   J u n e  5 ,   2 0 0 9   [ 2 0 ]   v alid   f o r   s h ip s   class if ied   b y   s ize:   −   J u ly   2 0 1 1 : n ew  v ess els in   ex c ess   o f   1 5 0   to n n es.   −   J u ly   2 0 1 1 : a ll p ass en g er   v ess els.   −   J u ly   2 0 1 2 : a ll v ess els in   ex ce s s   o f   3 , 0 0 0   to n n es.   −   J u ly   2 0 1 3 : a ll v ess els b etwe en   5 0 0   a n d   3 , 0 0 0   to n n es.   −   J u ly   2 0 1 4 : a ll v e s s els b etwe en   1 5 0   a n d   5 0 0   to n n es.   B NW AS  is   a  m o n ito r in g   an d   Alar m   s y s tem   wh ich   n o tifie s   o th er   o f f icer s   o r   ca p tain s   if   th e  o f f icer   o n   watc h   ( OOW)  d o es  n o t  r esp o n d   o r   h e/sh e  is   in ca p ab le  o f   p er f o r m in g   th e  watc h   d u ties   ef f icien tly   wh ich   ca n   lead   to   m ar itime   a cc id e n ts .   T h e  s y s tem   m o n ito r s   th e   aw ar en ess   o f   th e   o f f icer   o f   th e   watc h   ( OOW)  an d   au to m atica lly   aler ts   th e  Ma s ter   o r   an o th e r   q u alif ied   OOW  if   f o r   an y   r ea s o n   t h e  OOW  b ec o m es  in ca p ab le  o f   p er f o r m in g   d u ties .   T h is   is   ac h i ev ed   th r o u g h   a  m i x   o f   alar m s   an d   in d ica tio n s   wh ich   aler t  b a ck u p   OOWs   as  wel l  as  th e  Ma s ter .   B NW A S  war n in g s   ar e  g iv en   in   t h e  ca s e  o f   in ca p ac ity   o f   th e  watc h k e ep in g   o f f icer   d u e  to   ac cid en ts ,   s ick n ess   o r   in   th e  ev en t  o f   a  s ec u r ity   b r ea ch ,   e. g .   p ir ac y   an d /o r   h ijack in g .   Un l ess   d ec id ed   b y   th e  Ma s ter   o n ly ,   th e  B NW AS sh al l r em ain   o p e r atio n al  at  all  tim es.   Evaluation Warning : The document was created with Spire.PDF for Python.
                    I SS N :   1 6 9 3 - 6 9 3 0   T E L KOM NI KA   T elec o m m u n   C o m p u t E l Co n tr o l ,  Vo l.  19 ,   No .   1 ,  Feb r u ar y   2 0 2 1 :    2 4 4   -   2 5 1   248   Ou tp u ts   o f   th e  s y s tem   s h o u l d   b e  av ailab le  f o r   co n n ec tio n   o f   ad d itio n al  b r id g e  v is u al  in d icatio n s ,   au d ib le  alar m s   an d   r e m o te  au d ib le  alar m s   as  in   [ 9 ] .   T h e  ap p li ed   to   th e   ac tu al  s y s tem   d esig n   in   Fig u r e  2   ( a)   an d   d esig n in g   d iag r am   is   s h o wn   in   Fig u r e  2   ( b ) .   T h e  co n n ec te d   co m p u te r   wo r k s   in   tan d em   with   r asp b er r y   Pi - 3  ( p lay s   th e  r o le  o f   th e   ce n tr al  p r o ce s s in g   b o a r d   o n   Fig u r e   2   ( b )   to   c o llect  in p u t  a n d   o u tp u t   d ata  o f   th e   test in g   p r o ce s s .   Har d war e  is   d esig n ed   to   p er f o r m   alar m   f u n ctio n s .   T o   co m p a r e  th e  e f f ec tiv en ess   o f   th e  s o lu tio n   with   o th e r   ap p licatio n s   b ased   o n   h ar d war e   an d   p r ac tical   co n d itio n s   in   th e   b r id g e  o f   th e   Saig o n   Millen n iu m   Sh ip ,   we  d ep lo y ed   f o u r   s o lu tio n s   to   g et  r esu lts .   I n   th is   wo r k ,   we  f o cu s ed   o n   tw o   f ac to r s ,   in clu d in g   p r o ce s s in g   s p ee d   an d   o u tp u t  r eliab ilit y   to   ap p ly   o b j ec t  d etec to r s   o n   th e   d esig n ed   s y s tem   b y   u s in g   th e  m o d if ied   SS DL ite_ Mo b ileNetV2   b o u n d ed   C NN  alg o r ith m .         220 V  A C 24 V  D C C A M E R A B U T T O N S C O M P U T E R M O T I O N S E N S O R H I S T O R Y   D A T A A L A R M   D E V I C E S T O U C H   S C R E E N M A IN   C O N T R O L   S Y S T E M ( RA S PI  3 B +  U S IN G   T E N S O R F L O W   A PI ) C O N T R O L   VI A   I N T E R N E T     ( a )   ( b )     F i g u r e   2 .  T h e   d e s i g n e d   B N W A S   G T S . V 1   s y s t e m   t e s t e d   o n   H C M   C i t y   U n i v e r s i t y   o f   T r a n s p o r t ;    ( a )   B N W A S - G T S . V 1   s y s t e m   t e s t ed   o n   H C M   C i t y   U n i v e r s i t y   o f   T r a n s p o r t ,   a n d   ( b )   S t r u c t u r e   o f   d e s i g n e d   B N W A S       3 . 2 .     T esting   t he  des ig ned B NWAS   o n Sa ig o n M il lenni u m   Vess el  in Sa ig o n Riv er     T h e  im ag e  h as  b ee n   r ec o r d ed   f r o m   Saig o n   Millen n iu m   s h ip   at  So n   Hai  Sh ip y ar d ,   Ho   C h i  Min h   C ity ,   Vietn am .   T h is   im a g e  is   ca p tu r ed   th r o u g h   th e  l o g itech   C 2 7 0   ca m er a   an d   p r o ce s s ed   b y   h y b r id   n etwo r k - b ased   o b ject  id en t if icatio n   alg o r ith m s   SS D - Mo b ile  Net  V2 .   T h e  o u tp u t  is   th e  p r o ce s s ed   im ag e  e x tr ac tin g   th e  d etec ted   o b ject  f r am e  a n d   th e   r eliab ilit y   ca lcu lated   as  a  p er ce n tag e.   W ith   th e  tech n iq u e  u s ed   i n   th i s   p ap er ,   th e  s y s tem   ca n   id en tif y   m a n y   o f f icer s   in   th e  b r id g e  an d   th e   m ax im u m   n u m b er   o f   ac ce s s es  to   th e  d etec tio n   f r am e   is   2 0   pe o p le  at  a  tim e.   W h en   id en tif y in g   o f f icer s   in   th e  b r id g e ,   th e  s y s tem   allo ws  cu s to m ized   f u n ctio n s   v ia  th e  to u ch   s cr ee n   o r   p u s h - b u tto n   o n   th e   b r id g e.   T esti n g   th e  d esig n ed   B NW AS  o n   Saig o n   Millen n iu m   V ess el  in   Saig o n   R iv er   as b elo ws:   −   C ase   1 :  if   th e   s y s tem   d eter m in es  th at  th er e  is   n o   o f f icer   in   th e  b r id g e,   a  tim er   will  b e  tu r n ed   o n   an d   th e  co u n td o wn   tim e  will  wait  f o r   th e  o f f icer   to   ap p ea r .   Du r in g   th e  ac tiv e  tim er   p er io d ,   th e  f u n ctio n   o f   s witch   m o d es  an d   c o u n td o wn   tim er   ar e  d is ab led .   I f   d u r i n g   th e  co u n td o wn ,   th er e  is   an   o f f ic er   in   th e  b r i d g e     ( n o   p h y s ical  im p ac t  is   n ee d ed   o n   th e  s y s tem ) ,   th e  tim er   is   r eset  an d   th e  s y s tem   r etu r n s   to   its   n o r m al  s tate ,   o f f icer s   ca n   o p er ate  an d   u s e  th e  s y s tem   f u n ctio n   k ey s .   −   C ase  2 :  if   n o   o f f icer   r etu r n s   a n d   th e  tim er   h as  co u n ted   to   z er o   ( tim eo u t) ,   a  f lash   war n in g   s ig n al  will   b e   ac tiv ated   in   th e  b r id g e;  th is   s ta g e  is   ca lled   th e  p r im ar y   alar m   s tag e.   T h is   s ig n al  ca n   b e  s ee n   an y wh er e  in   th e  b r id g e   an d   in   ac c o r d a n ce   with   I MO   s tan d a r d s .   On   th e  d is p la y   s cr ee n ,   th e  alar m   lev el  wil l  ap p ea r ,   an d   all  s y s tem   p ar am eter s   will  b e  s av ed   to   t h e  h is to r y   f ile,   th en   a  n ex t  tim er   is   s tar ted   t o   m o v e  to   th e  n e x t  alar m   s tag e.   Su b s eq u en t  alar m   test s   ar e  test ed   an d   th e   f in al  r esu lt s   ar e  co n s is ten t  with   I MO   r e q u ir em en ts .   No t  o n ly   d id   th e  s y s tem   r ec o g n ize   th e  o f f icer   p r esen ce   in   th e  b r i d g e,   it  also   an aly ze d   th e  o f f ic er s '   ac tio n s   an d   is s u ed   war n in g s   wh en   th ey   f o u n d   o f f icer s   s tan d in g   s till   f o r   to o   lo n g   o r   s leep in g   wh ile  o n   d u ty .   I n   ex p er im en t,  t h e  test   d etec ted   an   o f f icer   wh o   s at  in   s ilen ce   f o r   to o   lo n g   o r   s h o wed   s ig n s   o f   d r o wsi n ess   as in   Fig u r e  3 .   T h e  test   was  r ec o r d ed   wh en   w e  ask ed   an   o f f icer   t o   s it  s ilen tl y   o n   th e  d r iv er ' s   s ea t  ( at  lea s t  2 0   s ec o n d s )   to   s ee   wh eth er   th e  o f f icer   s tan d s   s till   f o r   to o   lo n g   o r   h as  a  d r o wsi n ess .   At  th e  s am e  tim e,   an   u n d er g r o u n d   r u n n in g   co u n ter   will  an aly ze   th e  r elativ e  p o s itio n   o f   th e  o f f i ce r   an d   g iv e  a  r elativ e  er r o r .   B ased   o n   th e  r esu lts   o f   ea ch   f r am e  an aly s is ,   af ter   2 0   s ec o n d s ,   if   th e  r elativ e  p o s iti o n   er r o r   d o es n o t e x ce ed   1 0 % ,   th e  p r im ar y   alar m   is   s et  an d   th e  n ex t a lar m   tim e r   will st ar t c o u n tin g   d o wn .   Evaluation Warning : The document was created with Spire.PDF for Python.
T E L KOM NI KA   T elec ommun   C o m p u t E l Co n tr o l         A p p lyin g   c o n vo lu tio n a l n e u r a l   n etw o r ks fo r   limited - mem o r y  a p p lica tio n   ( X u a n - K ien   Da n g )   249       ( a )   ( b )     Fig u r e  3 .   T esti n g   t h e  d esig n e d   B NW A S o n   Saig o n   Millen n i u m   Vess el  in   Saig o n   R iv er ;    ( a)   test in g   n o   ala r m   s tag e,   an d   ( b )   test in g   alar m   s tag es       3 . 2 .     Su mm a ry   ex perim ent a l   re s ults   Hig h ly   co n f i g u r a b le  m o d els  r u n n in g   o n   T I T AN  X  GPUs   p r o d u ce d   p r o ce s s in g   s p ee d s   b etwe en   1 7   an d   3 7   f r am es  p e r   s ec o n d .   Ho wev er ,   wh en   ex p er im en tin g   o n   C OC O  d ata  s et s   an d   m AP  ca lcu latio n s   o n   all  o b ject   class es,  th e  r esu lts   o n ly   r ea ch ed   2 1 - 2 8 %.  E x p e r im en tal  r esu l ts   o n   p r o ce s s in g   s p ee d   o n   s y s tem   wer e  test ed   d ir ec tly   o n   th e  b r id g e   with   n o r m al  wo r k i n g   co n d itio n s   an d   th e  r esu lts   wer e  s h o wn   h ig h   p er f o r m an ce   f r o m     76 - 9 7 % a s   in   T ab le  1 .       T ab le  1 .   T esti n g   p er f o r m an ce   r esu lts   o f   4   m o d els in   ex p e r im en tal   M o d e l   n a m e   Te st   o n   G P U   TI TA N   X   Te st   o n   R a s p b e r r y   P i   3 B +   S p e e d   ( ms)   C O C O   ( mA P )   S p e e d   ( F P S )   R e a l   t i m e   o n   b r i d g e   ( mA P )   ssd _ mo b i l e n e t _ v 1 _ c o c o   30   21   1 . 0 5   76   ssd _ mo b i l e n e t _ v 2 _ c o c o   31   22   0 . 8 3   94   ssd l i t e _ m o b i l e n e t _ v 2 _ c o c o   27   22   1 . 0 8   86   f a st e r _ r c n n _ i n c e p t i o n _ v 2 _ c o c o   58   28   0 . 0 8   97       T h is   im p r ess iv e  r esu lt  is   ac h i ev ed   wh e n   in s tallin g   th e  ca m er a  in   t h e  b r id g e   in   a  co n v en i en t  p o s itio n   wh ile  th e  h ar d war e  is   a  m o b ile  d ev ice  with   o n ly   AR M  C PU  an d   n o   in te g r ated   GPU.   T h e  h ig h est  p r o ce s s in g   s p ee d   is   o n ly   ap p r o x im ately   1   FP S.  T h e  d is cu s s   o f   th e   ex p er im en tal  r esu lts   f o cu s   m o r e  d et ail  in   T ab le  1 .   T h e   r esu lt  s h o wed   th at  4   m o d els  test ed   o n   o u r   h ar d war e  ( r asp b er r y   Pi  3 B +)   u s in g   o u r   m eth o d   b etter   th an   GPU  T I T AN  X  h ar d war e  ( d if f e r en ce   h ar d war e)   ab o u t  s p ee d   ( m s )   an d   m AP.  So   th at,   th e  FP S  s p ee d   o f   th e  te s t   m eth o d s   is   in d icate d   in   Fig u r e   4   an d   t h is   is   a  g o o d   r esp o n s e  r ate  f o r   a  m o n ito r in g   s y s tem .   T h e  o u tp u t  r eliab ilit y   is   h ig h e s t  wh en   test ed   with   th e  f aster   R C N N  d etec to r ,   h o wev e r   with   0 . 0 8 FP S  ( ab o u t  1 2 . 5   s ec o n d s   to   p r o ce s s   a  f r am e)   it  i s   n o t  p o s s ib le  t o   m e et  o n   a  m o n ito r in g   s y s tem .   Ob ject  d etec to r s   b ased   o n   th e   SS D_ Mo b ileNet  s tr u ctu r e  ( in   b r o wn   co lo r )   p r o d u ce   h i g h ly   r eliab le  r esu lts   an d   m ee t  p r o ce s s in g   s p ee d   r eq u ir em en ts .   Me a n wh il e,   th e  r esu lt  o f   SS D_ Mo b ileNe tV1   ( y ello w)   an d   SS D_ Mo b ile N etV2   ( g r ee n )   s ets   ar e   alm o s t  eq u iv alen t,  b u t  th e  l o ad   tim e  o f   th e  m o d el  is   s lo w  d u e  to   lar g e  ca p ac ity   an d   ac tu al  o u tp u t.  T h er e  ar e   s till   ce r tain   d ev iatio n s .   T h u s ,   th e  im p r o v ed   SS DL ite_ Mo b ileNetV2   s o lu tio n   g iv es  g o o d   r esu lts   r elatin g   to   q u ality ,   p r o ce s s in g   s p ee d ,   f ast  m o d el  lo a d   tim e  ( s tab le  r u n n in g   o n   r asp b er r y   PI - 3 )   an d   h as  h i g h er   ac cu r ac y   th an   th e  o th er   s o lu tio n s .           ( a )   ( b )     Fig u r e  4 .   T h e  FP S sp ee d   o f   th e  test   m eth o d s ; ( a)   co m p ar e  p r o ce s s in g   s p ee d   o f   o b ject  d etec to r s   o n   B NW AS  h ar d war e   a n d   ( b )   co m p ar e  th e   o u tp u t  r eliab ilit y   o f   o b ject  d et ec to r s   o n   B NW AS h ar d war e   Evaluation Warning : The document was created with Spire.PDF for Python.
                    I SS N :   1 6 9 3 - 6 9 3 0   T E L KOM NI KA   T elec o m m u n   C o m p u t E l Co n tr o l ,  Vo l.  19 ,   No .   1 ,  Feb r u ar y   2 0 2 1 :    2 4 4   -   2 5 1   250   4.   CO NCLU SI O N   I n   th is   p ap er ,   we  s tu d ie d   an d   ap p lied   th e   m o d if ied   SS DL ite_ Mo b ileNetV2   b o u n d ed   C NN  alg o r ith m   to   B NW AS - GT S.V1 .   T h e  h ar d war e  was  d esig n ed   b ased   o n   r a s p b er r y   Pi - 3 ,   a n   e m b ed d ed   s in g le  b o a r d   co m p u ter   with   C PU   s m ar tp h o n e  lev el,   lim ited   R AM   with o u t C UDA  G PU.  E x p er im en tal  r esu lts   o n   p r o ce s s in g   s p ee d   o n   B NW AS - GT S.V1   wer e  test ed   d ir ec tly   o n   t h e  b r id g e  with   n o r m al  wo r k in g   co n d itio n s .   T h is   im p r ess iv e  r esu lt  was  ac h iev ed   wh e n   i n s tallin g   th e  ca m e r a  in   th e   b r id g e  i n   a  co n v en ien t  p o s itio n   w h ile  t h e  h ar d war e  u s ed   a   m o b ile  d ev ice.   T h e  im p r o v ed   SS D - Mo b ile  Net   V2   b ased   o n   b o u n d ed   C NN  alg o r ith m   also   s h o wed   h ig h er   ef f icien cy   esp ec ially   wh e n   ap p lied   to   th e  B NW AS .       ACK NO WL E DG E M E NT S     T h is   s tu d y   was  s u p p o r ted   b y   t h e  Ap p lied   B asic  R esear ch   Pro g r am   o f   Min is tr y   o f   T r an s p o r t  o f   Vietn am   DT 1 8 4 0 8   ( 2 0 1 8 ) ,  DT 2 0 3 0 3 6   ( 2 0 2 0 )   an d   th e  Star t u p   an d   I n n o v atio n   C en ter   o f   B a  R ia - Vu n g   T au ,   Viet  Nam .       RE F E R E NC E S    [1 ]   A.  Kriz h e v s k y ,   e t   a l. ,  “ Im a g e n e t   c las sifica ti o n   with   d e e p   c o n v o l u t io n a l   n e u ra l  n e two rk s , ”  Co mm u n ica ti o n s   o f   t h e   ACM ,   v o l .   6 0 ,   n o .   6 ,   p p .   1 0 9 7 - 1 1 0 5 ,   2 0 1 2 .   [2 ]   W.   Li u ,   e t  a l. ,   “ S sd :  S in g le sh o t  m u lt ib o x   d e tec to r , ”  Le c tu re   N o te  in   Co m p u ter   Vi si o n - ECCV ,   p p .   2 1 - 3 7 ,   2 0 1 6 .   [ 3 ]   Z u h e r m a n   R u s t a m ,   e t   a l . ,   “ P u l m o n a r y   r o n t g e n   c l a s s i f i c a t i o n   t o   d e t e c t   p n e u m o n i a   d i s e a s e   u s i n g   c o n v o l u t i o n a l   n e u r a l   n e t w o r k s , ”. T E L K O M N I K A   T e l e c o m m u n i c a t i o n   C o m p u t i n g   E l e c t r o n i c s   a n d   C o n t r o l ,   v o l .   1 8 ,   n o .   3 ,   p p .   1 5 2 2 - 1528,   2020.   [4 ]   Ch e n g c h e n g   Nin g ,   e t   a l . ,   “ In c e p ti o n   S i n g le   S h o t  M u l ti b o x   De tec to r  fo r   Ob jec t  De tec ti o n , ”  IEE E  In ter n a ti o n a l   Co n fer e n c e   o n   M u lt ime d i a   &   Ex p o   W o rk sh o p s (ICM EW ),   p p .   5 4 9 - 5 5 4 ,   2 0 1 7 .   [5 ]   S .   Re n ,   e t  a l. ,  “ F a ste r  r - c n n :  T o - w a rd s  re a l - ti m e   o b jec t  d e tec ti o n   wit h   re g i o n   p r o p o sa l  n e two r k s , ”  IEE E  T ra n sa c ti o n s   o n   P a tt e rn   An a lys is a n d   M a c h in e   In telli g e n c e ,   v o l.   3 9 ,   n o .   6 ,   p p .   1 1 3 7 - 1 1 4 9 ,   2 0 1 7 .   [6 ]   R.   Ra h m a t,   e t  a l. ,   “ Ad v e rt ise m e n t  b il lb o a rd   d e tec ti o n   a n d   g e o tag g i n g   sy ste m   with   in d u c ti v e   tran sfe r  lea rn in g   i n   d e e p   c o n v o lu ti o n a l  n e u ra l  n e two rk , ”  T EL KOM NIKA  T e lec o mm u n ica t i o n   Co m p u t in g   El e c tro n ics   a n d   Co n tro l ,   v o l.   1 7 ,     n o .   5 ,   p p .   2 6 5 9 - 2 6 6 6 ,   2 0 1 9 .   [ 7 ]   Z .   R u s t a m ,   e t   a l . ,   “ P u l m o n a r y   r o n t g e n   c l a s s i f i c a t i o n   t o   d e t e c t   p n e u m o n i a   d i s e a s e   u s i n g   c o n v o l u t i o n a l   n e u r a l   n e t w o r k s , ”  T E L K O M N I K A   T e l e c o m m u n i c a t i o n   C o m p u t i n g   E l e c t r o n i c s   a n d   C o n t r o l ,   v o l .   1 8 ,   n o .   3 ,   p p .   1 5 2 2 - 1528,   2 0 2 0 .   [8 ]   Tu ti   P . ,   e t  a l. ,  “ Im a g e   c las sific a ti o n   o f  g o lek   p u p p e t  ima g e s  u sin g   c o n v o l u ti o n a l  n e u ra l  n e two rk s  a lg o r it h m , ”   In ter n a t io n a l  J o u rn a l  o f  A d v a n c e s,  v o l .   1 1 ,   p p .   3 4 - 4 5 ,   2 0 1 9 .     [9 ]   M u h a m a d .   Y,   e t  a l. ,  “ Ap p li c a ti o n   o f  tran sfe r  lea rn in g   u sin g   c o n v o l u ti o n a l  n e u ra l  n e tw o rk   m e th o d   f o r  e a rly   d e tec ti o n   o f  terry ’s  n a il , ”   J o u r n a l  o f  Ph y sic s: Co n fer e n c e   S e rie s,  v o l.   1 2 0 1 ,   p p .   1 - 9 ,   2 0 1 9 .   [1 0 ]   Jo se p h   Re d m o n ,   e t   a l. ,   “ Yo u   O n ly   Lo o k   On c e :  U n ifi e d ,   Re a l - Ti m e   Ob jec t  De tec ti o n , ”  IEE E   Co n fer e n c e   o n   C o mp u ter   Vi sio n   a n d   P a tt e rn   Rec o g n it i o n ,   pp .   7 7 9 - 7 8 8 ,   2 0 1 5 .   [1 1 ]   Dim o v   S to jce   Ilce v ,   “ Arc h it e c tu re   o f  th e   g l o b a l   n a v ig a ti o n   sa telli te  sy ste m   fo r   m a rit ime   a p p li c a ti o n s , ”   T EL KOM NIKA  T e lec o mm u n ic a ti o n   C o mp u ti n g   El e c tro n ics   a n d   Co n tro l ,   v o l .   1 8 ,   n o .   3 ,   p p .   1 6 0 0 - 1 6 0 9 ,   J u n e   2 0 2 0 .   [1 2 ]   Dim o v   S t o jce   Ilce v ,   “ Arc h it e c t u re   o f  t h e   re g i o n a l  sa telli te  a u g m e n tatio n   sy ste m   fo r  m a rit im e   a p p li c a ti o n s , ”  T EL KOM NIKA  T e lec o mm u n ic a ti o n   C o mp u ti n g   El e c tro n ics   a n d   Co n tro l ,   v o l .   1 8 ,   n o .   3 ,   p p .   1 6 1 0 - 1 6 2 0 ,   J u n e   2 0 2 0 .   [1 3 ]   M.  M u k h a y a d i ,   e t  a l. ,   “   De sig n i n g   a   c o n ste ll a ti o n   fo r   AIS  m issi o n   b a se d   o n   d a ta  a c q u isit io n   o f  LAP AN - A2   a n d   LAP AN - A3   sa telli te , ”  T EL KOM NIKA  T e lec o mm u n ica ti o n   C o mp u ti n g   El e c tro n ics   a n d   C o n tr o l ,  vol .   1 7 ,   no .   4 ,   p p . 1 7 7 4 - 1 7 8 4 ,   Au g u st  2 0 1 9 .     [1 4 ]   Xia n - Ba o ,   e t  a l. ,   “ S o l a r  Ce ll s  S u rfa c e   De f e c ts  De t e c ti o n   Ba se d   o n   De e p   Lea rn in g , ”  P a tt e rn   Rec o g n it .   Arti f.   I n tell .   v o l.   2 7 ,   p p .   5 1 7 - 5 2 3 ,   2 0 1 4 .   [1 5 ]   S imo n y a n   K . ,   e t  a l. , .   “ Ve ry   De e p   Co n v o lu t io n a l  Ne two rk s  f o r  La rg e - S c a le  Im a g e   Re c o g n it i o n , ”  C o mp u ter   V isio n   a n d   Pa tt e rn   Rec o g n it io n ,   p p . 1 4 0 9 - 1 5 5 6 ,   2 0 1 4 .   [1 6 ]   Ho n g   S . ,  e t  a l. ,   “ Li g h twe ig h t  De e p   Ne u ra l  Ne two rk s  f o r  Re a l - ti m e   Ob jec t  De tec ti o n , ”  T h e   1 st  In ter n a ti o n a l   W o rk sh o p   o n   Ef fi c ien t  M e th o d s  f o r De e p   Ne u ra l  Ne tw o rk s ,   p p .   1 - 7 ,   2 0 1 6 .   [1 7 ]   Hu n t  M .   A . ,  e t  a l. ,   “ Op ti m izin g   a u t o m a ti c   d e fe c t  c las sifica ti o n   fe a tu re   a n d   c las sifier   p e rfo rm a n c e   fo r  p o st , ”  Pro c e e d in g s  o f  t h e   2 0 0 0   IEE E/ S E M I  Ad v a n c e d   S e mic o n d u c t o r  M a n u fa c tu ri n g   Co n fer e n c e   a n d   W o rk sh o p ,    p p .   1 1 6 - 1 2 3 ,   2 0 0 0 .   [1 8 ]   Da n g   Xu a n   Kie n ,   e t  a l . ,   " A p p l y in g   Hy b rid   C o n v o l u ti o n a l  Ne u ra l  Ne two rk s  fo r  Im a g e   P ro c e s sin g   t o   Brid g e   Na v ig a ti o n a l  Watc h   &   Ala rm   S y s tem , "   J o u rn a l   o f   T ra n sp o rt a ti o n   S c ien c e   a n d   T e c h n o lo g y ,   p p .   47 - 5 3 ,   no .   3 2 ,   2 0 1 9 .   [1 9 ]   M .   A b a d i,   e t   a l . ,   “ Te n so rF l o w:   Larg e - sc a le  m a c h in e   lea rn in g   o n   h e tero g e n e o u s  s y s tem s , ”  a r Xi v :1 6 0 3 . 0 4 4 6 ,     p p .   1 - 1 9 ,   2 0 1 5 .   [2 0 ]   Ya n g q i n g   Jia ,   e t  a l . ,   “  Ca ffe :  Co n v o l u ti o n a l  a rc h it e c tu re   f o r  fa st f e a tu re   e m b e d d i n g , ”   Pr o c e e d in g s  o f  th e   2 2 n d   AC M   in ter n a t io n a l   c o n fer e n c e   o n   M u lt i me d ia ,   p p .   6 7 5 - 6 7 8 ,   2 0 1 4 .     [2 1 ]   IM O M S C. 1 2 8 (7 5 ),   “ P e rfo rm a n c e   S tan d a rd s  f o r  a   Bri d g e   Na v i g a ti o n a l  Wat c h   Ala rm   S y ste m   (BNW AS) , ”   2 0 0 2 .   [2 2 ]   IM O A.1 0 2 1 (2 6 ),   “ Co d e   o n   Ale rt s a n d   I n d ica to rs , ”   2 0 0 9 .   [2 3 ]   IEC  6 2 6 1 6 ,   “ M a rit ime   Na v ig a ti o n   a n d   Ra d i o   Co m m u n ica ti o n   Eq u ip m e n t  a n d   S y ste m s -   Brid g e   Na v i g a ti o n a l  Watc h   Ala rm   S y ste m   (BNWAS ) ,”   2 0 1 0 .   [2 4 ]   1 9 IM O  M S C. 2 8 2 (8 6 ),   “ Ch a p ter  V,  Re g , ”   2 0 0 9 .   Evaluation Warning : The document was created with Spire.PDF for Python.
T E L KOM NI KA   T elec ommun   C o m p u t E l Co n tr o l         A p p lyin g   c o n vo lu tio n a l n e u r a l   n etw o r ks fo r   limited - mem o r y  a p p lica tio n   ( X u a n - K ien   Da n g )   251   [2 5 ]   M a rk   S a n d ler,   e t   a l . ,   “ M o b i leN e tV2 :  I n v e rted   Re sid u a ls  a n d   Li n e a r  Bo tt len e c k s , ”  Pr o c .   I EE E   Co n fer e n c e   on   Co mp u ter   V isio n   a n d   Pa t ter n   Rec o g n it io n ,   p p .   4 5 1 0 - 4 5 2 0 ,   2 0 1 8 .   [2 6 ]   Ja k u b   Na lep a a ,   e t  a l. ,   “ To wa rd s  re so u rc e - fru g a l   d e e p   c o n v o l u t io n a l   n e u ra l   n e two r k s  f o r  h y p e rsp e c tral  ima g e   se g m e n tatio n , ”  M icr o p r o c e ss o rs   a n d   M icr o sy ste ms ,  v ol .   73 ,  p p .   1 - 1 4 ,   2 0 2 0   .   [ 2 7 ]   P r a t e e t h   N a y a k ,   e t   a l . ,   ”   B i t   E f f i c i e n t   Q u a n t i z a t i o n   f o r   D e e p   N e u r a l   N e t w o r k s ”   E M C 2 - N e u r I P S   W o r k s h o p ,   p p . 1 - 5 ,   2 0 1 9 .   [2 8 ]   Xu a n   Kie n   Da n g ,   e t  a l . ,   “ An a l y z in g   th e   se a   we a th e r  e ffe c ts  to   t h e   sh ip   m a n e u v e rin g   i n   Vie t  Na m   se a   fro m   Bin h   Th u a n   p r o v i n c e   to   Ca   M a u   p r o v i n c e   b a se d   o n   F u z z y   c o n tr o l   m e th o d , ”  T EL KO M NIKA  T e lec o mm u n ica t io n   Co mp u t in g   El e c tro n ics   a n d   C o n tr o l ,  vol .   1 6 ,   no .   2 ,   p p .   5 3 3 - 5 4 3 ,   2 0 1 8 .   [2 9 ]   Vie t  Du n g   Do ,   e t   a l. , "   Op ti m a l  c o n tr o l  f o r  d y n a m ic  p o siti o n in g   s y ste m   b a se d   o n   F u z z y - P S O   a d v a n c e d   tec h n ica l , "  T EL KOM NIKA  T e lec o mm u n ic a ti o n   C o mp u ti n g   El e c tro n ics   a n d   Co n tro l ,   v o l .   1 6 ,   n o.   6 ,   p p .   2 9 9 9 - 3 0 0 7 ,   2 0 1 8 .   [3 0 ]   Vie t  Du n g   Do ,   e t  a l. ,   " Th e   fu z z y   p a rti c le  sw a rm   o p ti m iza ti o n   a lg o rit h m   d e si g n   fo r   d y n a m ic  p o si ti o n in g   s y ste m   u n d e r   u n e x p e c ted   imp a c ts , "   J o u rn a l  o f  M e c h a n ica l  E n g in e e rin g   a n d   S c ien c e s (JM ES ),   v o l.   1 3 ,   p p .   5 4 0 7 - 5 4 2 3 ,   2 0 1 9 .       B I O G RAP H I E S O F   A UT H O RS       Xua n - K ien  D a n g   re c e iv e d   P h . D.  d e g r e e   in   Co n tro l  S c ien c e   a n d   En g in e e ri n g ,   Hu a z h o n g   Un iv e rsity   o f   S c ien c e   a n d   Tec h n o lo g y   i n   J u n e   2 0 1 2 .   He   is  se rv in g   a s  th e   Dire c to r   o f   G ra d u a te  S c h o o l,   Ho   Ch i   M i n h   Cit y   U n iv e rsity   o f   Tran sp o rt,   Vie tn a m .   He   h a s  b e e n   a wa rd e d   t h e   Be st   P a p e r  A wa rd   in   t h e   4 th   C o n f e re n c e   o f   S c ien c e   a n d   Tec h n o lo g y ,   H o   Ch i  M in h   Cit y   Un iv e rsity   o f  Tran sp o rt  (2 0 1 8 ),   t h e   P re sid e n t   P rize   fo r  Aw a rd   Wi n n e r  o f  Th e   E x c e ll e n t  P a p e r  o f  t h e   1 7 th   As ia M a rit ime   &   F ish e ries   Un iv e rsiti e s F o ru m   ( 2 0 1 8 ) .   His c u rre n t   re se a rc h   in tere s ts f o c u s o n   Co n tr o l  T h e o ry ,   Au t o m a ti o n ,   M a rit ime   Tec h n o l o g y ,   Un d e rwa ter  Ve h icle s,  Op ti m a l  a n d   Ro b u st  C o n tr o l,   a n d   Ne two rk e d   Co n tro l  S y ste m .   He   h a s  b e e n   se rv in g   a s  a n   As so c iatio n   e x e c u ti v e   c o m m it tee   m e m b e r  o f  Vie tn a m   Au to m a ti o n   As so c iatio n   (VA A).         H u y n h - Nhu   Tr u o n g   re c e iv e d   M a ste r' s  d e g re e   in   Au to m a ti o n ,   Ho   Ch i  M i n h   Cit y   Un i v e rsity   o f  Tran s p o rt ,   Vie t  Na m ,   2 0 1 1 .   S h e   wa s  re c o g n ize d   a s  a   P h . D .   st u d e n t   o f   Au t o m a ti o n   a n d   Co n tr o l  E n g i n e e rin g ,   Ho   C h i  M i n h   Cit y   Un iv e rsity   o f  Tra n sp o r t,   Vie tn a m ,   2 0 1 9 .   S h e   is  t h e   P rin c ip a l  o f  Ba   Ria - Vu n g   Tau   C o ll e g e   o f  Tec h n o lo g y ,   Vie t n a m .   M rs.  Nh u ’s  c u rre n t  re se a rc h   fo c u se s o n   th e   a re a s o f  C o n tr o l  T h e o ry ,   Au t o m a ti o n ,   a n d   Un d e rwa ter Ro b o ti c .         Vie t - Chi n h   Ng u y e n   re c e iv e d   Ba c h e lo r' s  d e g re e   in   El e c tri c a l  a n d   El e c tro n ic  E n g i n e e rin g   in   Ho   Ch i  M i n h   Cit y   Un i v e rsity   o f  T e c h n o l o g y ,   Vie t  Na m .   He   is  stu d y in g   t h e   M a ste r’s  d e g re e   in   Au to m a ti o n   a n d   Co n tro l  En g i n e e rin g ,   Ho   C h i  M i n h   Cit y   U n iv e rsit y   o f  Tran sp o rt,   Vie t  Na m .   His c u rre n t  re se a rc h   in tere sts fo c u s o n   Co n tro l  T h e o ry ,   Au t o m a ti o n   a n d   De e p   Lea rn in g .           Th i - Duy e n - Anh   P h a m   n o w  is a  Tea c h e r  o f  E n g li sh   a t  Ho   Ch i   M in h   Un iv e rsity   o f   Tran s p o rt .   S h e   g ra d u a ted   fro m   Un iv e rsity   o f  S o c ial  S c ien c e s  a n d   Hu m a n it ies   in   2 0 1 2   with   a   d e g re e   in   En g li s h   L in g u isti c s  a n d   Li tera tu re   a n d   c o m p lete d   h e r  M a ste r’s  De g re e   (M A)  in   Tea c h in g   En g li s h   t o   S p e a k e rs  o f  Ot h e r  La n g u a g e s  (TE S OL),   Vic t o ria  Un i v e rsity ,   Au stra li a ,   i n   2 0 1 6 .   He r  re se a rc h   h a s fo c u se d   o n   En g l ish   fo r   M a rit ime   a n d   M a rit ime   S a fe ty .     Evaluation Warning : The document was created with Spire.PDF for Python.