MMMar, 2020

边缘辅助物体识别系统的基于测量的分析

PDF
TL;DR本文提出了一种基于边缘计算的物体识别系统，研究了端到端延迟和物体识别准确性之间的系统级权衡，重点是优化系统的传输延迟，并证明了图像编码速率和神经网络大小对这两个性能指标的影响；通过测量实时物体识别应用程序的性能，探索最佳权衡点。测量结果显示了迄今未知的参数效应和明显的权衡，从而为优化这一关键服务铺平了道路。最后，使用基于测量的模型制定了两个优化问题，经过 Pareto 分析，发现系统操作的精心调整至少可在实时条件下获得比标准传输方法更高 33% 的性能。
edge-assisted object recognitiontransmission delay optimizationneural network sizeperformance trade-offsreal time object recognition
发现论文，激发创造
  • 利用边缘和云端技术进行基于 V2X 的自动驾驶实时物体检测

    自动驾驶的环境感知是关键因素，研究着重于实现实时感知与预测，通过在不同资源环境中进行计算卸载，最终的模型可以在云端实时运行并提供较好的性能。

    Aug, 2023

  • 实时嵌入式对象检测基准测试框架

    本文提出了一种基于 MQTT 协议的轻量级接口框架，可用于测量目标检测性能、运行时间和能量效率，特别适用于限制硬件上的视频流应用，为优化 DNNs 提供深入的见解。

    Apr, 2023

  • 在边缘设备上快速高效的目标跟踪：一项测量研究

    边缘视频分析系统中的目标跟踪是一项重要功能。本文研究了边缘目标跟踪的性能问题和边缘优化机会，并提出了一种名为 EMO 的边缘特定性能优化策略，通过窗口和相似度优化实现了实时目标跟踪的加速。大量实验证明我们的 EMO 方法在运行时间性能和跟踪精度方面与其他代表性技术相比具有竞争力。EMO 已在 Github 上发布。

    Sep, 2023

  • 利用边缘计算实现实时视频分析通过自适应的时空语义过滤

    本文提出了一种新颖的边缘计算实时视频分析系统，包括跟踪辅助对象检测模块和感兴趣区域模块，在具有波动网络条件的情况下，通过无线网络将智能视觉设备连接到边缘服务器，通过基于深度 Q 网络的边缘处理方法和基于多臂赌博机的自适应配置选择方法来解决实时视频分析问题。通过大量的模拟实验评估了该解决方案的性能，并展示了其优势。

    Feb, 2024

  • HFirst：一种物体识别的时间方法

    本文介绍一种基于 AER 视觉传感器输出中的精确时间信息的突触神经元模型，在物体识别中可以实现高准确度，实验表明这种基于时间的计算方法可以比传统的时钟系统更为高效。

    Aug, 2015

  • 学习动态通道中的基于语义知识库指导的在线特征传输

    边缘计算下的 AI 推理在边缘设备上高效进行已成为智能应用（如自动驾驶和虚拟现实 / 增强现实）所必需的。我们针对移动设备和边缘服务器之间特征传输的优化问题，提出了一种在线优化框架。通过利用语义知识库来驱动多级特征传输，考虑传输过程中的时间因素和动态元素，我们的方法基于现有方法构建，解决了动态信道条件和设备移动的挑战。为了解决在线优化问题，我们设计了一种基于软演员 - 评论家的深度强化学习系统，并设计了一个精心设计的奖励函数来进行实时决策，克服了 NP-hard 问题的优化困难，并在尊重延迟限制的同时实现了语义损失的最小化。数值结果显示，相较于各种系统设置下的传统贪婪方法，我们的方法具有优势。

    Nov, 2023

  • 多个领域实时物体检测网络的综合研究：调查

    通过在多个实时检测器及数据集上进行综合研究，本研究对图像大小、置信阈值、架构层数等多种变量的影响进行了分析，研究了检测网络在分布偏移、自然破坏和对抗攻击等方面的鲁棒性，并提出了对 HTTP/3 实现的区分服务（DiffServ）传输的改进。

    Aug, 2022

  • 走向流式感知

    本文提出了一种名为 “流式准确性” 的方法，该方法将感知延迟和准确性相结合，可用于任何单帧任务变成流式感知任务的系统性 meta-benchmark，以及在城市视频流中的物体检测和实例分割等任务上做出了令人惊讶的结论。

    May, 2020

  • 低功耗物体检测的系统级解决方案

    本文提出了一种面向异构嵌入式设备的高效物体检测系统解决方案，其中包括量化网络和专门的加速器，并采用分组数据流策略将计算密集型的卷积操作映射到加速器中以提高效率。研究结果显示，在 512x512 输入大小的实际监控视频中，该系统的推理速度可以达到 18 FPS，功耗仅为 6.9W，并在 PASCAL VOC 2012 数据集上实现了 66.4 的 mAP。

    Sep, 2019

  • 边缘上的实时多模态物体检测和跟踪，用于规程合规监控

    通过实时的多模式传感系统和边缘智能设备上的无监督学习技术，我们介绍了一种针对不同工业领域的监管合规审计的方法，提高了记录保留的效率并减少了人工干预。

    Oct, 2023