一种边端协同的目标检测任务卸载方法研究

在智能物联网背景下,摄像头已经无处不在,随着监控设备数量增长,对应每秒产生的数据量也是爆炸式增长,终端设备自身的计算资源终归有限,在面对突发的高工作负载时,无法在短时间内处理这么多的任务量。本文专注于对视频关键帧选取和任务卸载两个方面进行研究,提出了一种边端协同的目标检测任务卸载方法,从而缓解终端的工作负载,有效降低工作时延。

  在智能物联网背景下,摄像头已经无处不在,部署在交通、校园和企业等各个领域。随着监控设备数量增长,对应每秒产生的数据量也是爆炸式增长,终端设备自身的计算资源终归有限,在面对突发的高工作负载时,无法在短时间内处理这么多的任务量。本文专注于视频关键帧选取和任务卸载两个方面进行研究,提出了一种边端协同的目标检测任务卸载方法从而缓解终端的工作负载,有效降低工作时延。制定基于K-Means聚类的关键帧提取算法,基于帧间差异性来确定关键帧数量有效提取视频的主要信息,减小终端的工作负载;基于任务规模对任务卸载决策的影响,构造任务的本地处理时延和卸载时延的线性回归方程,建立自身开销很小的遗传算法GT-MA来获得最佳的任务卸载方案,实现任务整体时延最小。

算法名称边端协同的任务卸载算法
算法接口python.test.py
算法输入一段视频
算法输出视频帧分配方案
依赖库python 3.7,opencv-python3.4,tensorflow2.0
参考资源Distream:scaling live video analytics with workload-adaptive distributed edge intelligence

Gitlab链接:GTMA· GitLab (crowdhmt.com)

你可能感兴趣的文章

相关问题

0 条评论

请先 登录 后评论
LH
LH

9 篇文章

作家榜 »

  1. 尹懋龙 10 文章
  2. LH 9 文章
  3. mingze 8 文章
  4. admin 6 文章
  5. hcshen 5 文章
  6. Marco Legend 4 文章
  7. 旺仔牛奶opo 3 文章
  8. Hao98 2 文章