Apr, 2018

基于轻量级 CNN 的边缘服务实现的实时人体检测

PDF
TL;DR介绍了一种轻量级的卷积神经网络算法 (LCNN)，通过将分类器的搜索空间缩小到监视视频帧中的人物对象，提出的 LCNN 算法能够在边缘设备上以可承受的计算工作量检测行人.
edge computingsurveillance videoconvolutional neural networkhuman object detectionresource limited edge devices
发现论文，激发创造
  • 基于边缘网络服务的智能监控：从 Harr-Cascade、SVM 到轻量级 CNN

    使用边缘计算及轻量级卷积神经网络，能够在资源有限的情况下为实时人类监视提供可行的智能分析方案。

    Apr, 2018

  • LCDet: 用于嵌入式系统目标检测的低复杂度全卷积神经网络

    本文提出了一种 LCDet 的全卷积神经网络，旨在用于嵌入式系统上的对象检测。作者设计并开发了一个端到端的 TensorFlow (TF) 模型，并采用 8 位量化技术。实验结果显示，该模型在保持准确率的同时，将模型大小和内存带宽分别减少了 3 倍和 4 倍，可以在嵌入式系统上实现。

    May, 2017

  • 边缘端物体检测的增量式知识迁移技术

    本论文提出一种系统级设计，将浅层神经网络在用户端设备上部署以检测观察环境中的对象，同时实施知识迁移机制，以在目标域发生变化时将 DNN 知识用于更新 SHNN 模型，实验表明与在用户端设备上运行深度模型相比，能够提高用户端设备的能源消耗和推断时间分别达到 78% 和 71%。

    Apr, 2020

  • 边缘实时视频处理实现未成年人隐私保护

    本文提出的面向边缘监控系统的深度学习模型在识别儿童方面具有 92.1% 的分类准确率，可实施相应的隐私保护措施，解决了 CCTV 摄像头收集个人信息引起的隐私问题。

    May, 2020

  • BED：一种针对边缘设备的实时物体检测系统

    在 MAX78000DNN 加速器上，我们开发了适用于边缘设备的目标检测系统 (BED)，采用模型训练、量化、综合和部署的简明、有效和详细的解决方案，可以在 300 KB 微小的 DNN 模型下实现准确检测，仅需 91.9ms 的推理时间和 1.845mJ 的能量，并在实时 YouTube 上提供检测。

    Feb, 2022

  • 门铃摄像头上的轻量级物品递送监测

    本文提出一种基于视频和移动设备的简单和轻量级交付检测流程，该流程依赖于运动线索生成一组粗略的活动建议，随后使用移动友好的 3DCNN 网络对其进行分类。同时，利用半监督注意模块并采用基于证据的优化目标进行训练，以获得鲁棒的时空特征。实验结果表明，与现有方法相比，本方法具有显著的性能优势，适用于资源受限的门铃摄像头等边缘设备。

    May, 2023

  • PCEDNet：一种用于快速交互式边缘检测的轻量级三维点云神经网络

    本文提出了一种新的参数化方法，使用 Scale-Space 矩阵存储每个点周围不同尺度的重建形状的微分信息，从而提供了足够的信息，使得一个充分的神经网络能够学习边缘，并在获取的点云中高效地检测它们。之后，我们提出了一种新的轻量级神经网络结构，其在学习时间、处理时间和分类能力方面均优于 CNN，具有紧凑结构、需要较少的学习集、训练速度非常快且可以在几秒钟内对数百万个点进行分类。

    Nov, 2020

  • 边缘设备上实现深度学习

    本论文探讨了 DNN 在资源受限的边缘设备上部署的优化问题，并研究了四种边缘智能场景下的深度学习方法，通过减少 DNN 冗余度来达到资源消耗与模型准确度之间的平衡。

    Oct, 2022

  • 面向个人防护装备检测的边缘云架构

    本文提出了一种在线识别人们佩戴个人防护装备的架构，可用于确保建筑工人的安全，可以在边缘 - 云和仅边缘的两种设置下部署，使用 YOLOX 方法在建筑工地上进行了测试，初步评估表明，对于这种用例，边缘部署是可行的，未来的工作将包括对两种架构变体性能方面进行深入研究和部署。

    Jan, 2023

  • 通过并行边缘卸载在拥挤场景中实时高分辨率行人检测

    Hode 是一个视频分析框架，使用分布式 edge 节点加速行人检测，具有上下文感知区域分割和基于 DRL 的调度算法，可以在减少精度损失的同时实现高达 2.01％的加速效果。

    Jan, 2023