Energy Measurement and Optimization of Continuous Gesture Recognition
Translated title
Energi Måling og Optimering af Kontinuerlig Gestus Genkendelse
Author
Gydesen, Jens Emil
Term
4. term
Education
Publication year
2016
Submitted on
2016-06-07
Pages
37
Abstract
Efterhånden som bærbare enheder som fitness-trackere bliver almindelige, bliver softwarets energiforbrug stadig vigtigere. Disse små, batteridrevne enheder bruger strømbesparende processorer og er derfor stærkt ressourcebegrænsede. Dette speciale præsenterer en enkel, men præcis metode, som udviklere kan bruge til at måle, hvor meget energi deres software bruger på sådanne enheder. Vi demonstrerer metoden ved at implementere to algoritmer til kontinuerlig gestusgenkendelse (software, der løbende genkender brugeres bevægelser) og måle deres energiforbrug. Derefter foreslår vi optimeringer af disse algoritmer og opnår op til 22 % lavere energiforbrug uden tab af nøjagtighed, og op til 92,36 % lavere energiforbrug med 11 % tab af nøjagtighed.
As wearables such as fitness trackers become widespread, the energy use of software matters more than ever. These small, battery-powered devices run on low-power processors and are highly resource constrained. This thesis presents a simple yet accurate method developers can use to measure how much energy their software consumes on such devices. We demonstrate the method by implementing two continuous gesture recognition algorithms (software that continuously detects user movements) and measuring their energy use. We then propose optimizations for these algorithms, achieving up to 22% lower energy use with no loss of accuracy, and up to 92.36% lower energy use with an 11% loss of accuracy.
[This abstract was generated with the help of AI]
Keywords
Documents