May, 2019

在受限边缘节点上扩展视频分析

PDF
TL;DRFilterForward is an edge-to-cloud system that uses lightweight edge filters and microclassifiers to reduce bandwidth use by an order of magnitude while improving computational efficiency and event detection accuracy for video camera data processing.
video cameradata processingedge filtersmicroclassifierbandwidth reduction
发现论文，激发创造
  • 在边缘协作的跨相机视频分析

    本文介绍了基于 CONVINCE 的视频监控系统，该系统通过视觉数据间的协同分析来减少计算成本、可视化带宽并提高目标识别的准确性，实现了约 91％的准确性，仅传输了大约 25％的所有记录帧。

    Feb, 2020

  • 将视频分析系统扩展至大型摄像机部署

    本文介绍了如何通过利用视频流之间的空间和时间内容相关性，解决大规模视频摄像头部署中计算成本与推断准确性等问题，进行视频分析扩展的路线图。

    Sep, 2018

  • EdgeSync：通过自适应连续学习加速边缘模型更新以应对视频数据漂移

    通过使用远程服务器不断训练和调整轻量级模型，EdgeSync 筛选样本以考虑及时性和推理结果，从而提高实时视频分析系统的质量，并且通过测试数据集的评估，相比于现有方法提高了约 3.4%，相对传统方法提高了约 10%。

    Jun, 2024

  • Ev-Edge: 基于事件的视觉算法在通用边缘平台上的高效执行

    Ev-Edge 是一个框架，通过三项关键优化技术提高边缘平台上基于事件的视觉系统的性能，包括将事件流转换为稀疏帧、动态稀疏帧聚合和网络映射。在多种自主导航任务中，Ev-Edge 相较于 NVIDIA Jetson Xavier AGX 平台上全 GPU 实现的单任务执行中具有 1.28 倍至 2.05 倍的延迟改进和 1.23 倍至 2.15 倍的能源改进，也相较于循环调度方法在多任务执行场景下具有 1.43 倍至 1.81 倍的延迟改进。

    Mar, 2024

  • 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

  • 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

  • 基于语义的云边协同推理

    本研究提出了一种基于语义驱动的云边协作方法，用于加速视频推断，以车牌识别为案例研究。通过将语义提取和识别分离，在减少端到端延迟和提高吞吐量的基础上，将计算密集型的识别任务分配给云端或相邻边缘节点进行处理。实验证明，与仅采用云端或仅采用边缘节点处理相比，该方法可以显著提高端到端推断速度（高达 5 倍），吞吐量（高达 9 FPS）和减少流量（减少 50%），从而验证了该方法的效率。语义驱动的云边协作框架为智慧城市中的视频分析提供了具有良好前景的解决方案。

    Sep, 2023

  • 一种面向网络目标的端到端集成计算和通信架构：对现场监控视频的视角

    本研究提出一种基于情景感知的实时流式传输方案，以实时识别重要事件和降低发射功率。该方案主要利用少量隐藏层的小型神经网络在源端对特定情景下的帧进行高重要性分配，并将高重要性的帧与一定信噪比的低重要性帧同时流式传输，在接收端进行深度神经网络分析提取准确的情景并节约约 38.5% 的能源。

    Apr, 2022

  • BiSwift: 边缘上多路流视频分析的带宽协调器

    高清（HD）摄像机用于监控和道路交通方面的需求不断增长，需要大量计算资源进行实时分析。该研究提出了 BiSwift，一个双层框架，通过集成新型自适应混合编解码器和多级流水线以及全局带宽控制器来扩展并发实时视频分析。BiSwift 能够仅依靠一台搭载 NVIDIA RTX 3070（8G）GPU 的边缘设备，在 9 个流上实时进行目标检测。与最先进的视频分析流程相比，BiSwift 提高了 10% ~ 21% 的准确性，并呈现出 1.2 ~ 9 倍的吞吐能力。

    Dec, 2023

  • EdgeMA: 为边缘设备上实时视频分析的模型适应系统

    EdgeMA 是一个实际高效的视频分析系统，通过基于统计纹理特征的灰度共生矩阵提取和随机森林分类器检测领域转变，以及基于重要性加权的模型适应方法，解决了边缘设备上实时视频分析中数据漂移问题，并通过真实数据集的严格评估，结果表明 EdgeMA 显著提高了推理准确性。

    Aug, 2023