DeepDecision: A Mobile Deep Learning Framework for Edge Video Analytics
1 简介
在移动终端设备上运行视频分析应用时,如果将应用放在终端设备上执行,可能产生巨大的能耗,并且终端的计算力可能不足以支持计算密集型的深度学习应用;若将应用卸载至云端,将产生通信时延和流量费用。如何选择合适的模型,分辨率,视频比特率,帧率,应用执行位置,是移动终端在执行视频分析应用时需要考虑的问题。在本文中,作者将该问题形式化,并给出了解决该问题的算法。
2 评价指标
FPS,端到端时延,准确度,带宽消耗,电池消耗。这些指标之间会相互影响,如端到端时延会影响准确度。
3 决策变量
- 帧的分辨率:分辨率的高低直接影响计算时延,电池用量和准确度。
- 模型的选择:选择使用复杂度不同的模型,影响计算时延,电池用量和准确度。
- 计算卸载位置:将计算放在服务器上可降低终端设别的电量消耗,允许更高的帧率和分辨率,但网络时延会使终端设备得到的计算结果过时从而降低准确率。
- 帧率:仅挑选一部分帧而不是所有帧进行处理。帧率直接影响计算量。如果计算被卸载到服务器上还会影响带宽使用。
- 视频压缩:视频的压制方式,当帧率和分辨率都相同时,压制方式不同也会影响视频的大小,当计算被卸载到服务器时可降低带宽使用,降低网络时延。网络时延又直接影响了准确率。
4 方法
问题形式化:
- 优化目标为帧率和准确度之和,y为0-1向量,表示模型的选择。
- (2)计算时延=计算时延+传输时延,其中i=0的模型在服务器中执行,i>0时在终端设备上执行。
- (3)表示选择的模型的计算一帧的时延小于帧的间隔。
- (4)表示当选择在服务器上执行时,码率不能超过带宽限制。
- (5)表示耗电量不能超过预设上限。
- (6)当选择在服务器执行时,表示流量资费不能超过上限。
- (7)(8)允许用户预设帧率和准确度的下限。
- (9)表示只能选择一个模型。
作者将决策空间离散化(事先为帧率,分辨率,比特率等设置几个固定的取值),运用近似暴力的算法求解。求解时将i=0与i>0分开求解,求argmax时全部使用遍历的方式。其中bi,li,ai分别是能耗,时延,准确度的函数,这些函数没有数学解析式,需要线下实验记录数据,以表格的形式给出。
5 实验
实验分两部分:首先是测量各个指标之间的关系,包括分辨率与准确率的关系、分辨率与能耗的关系,比特率与准确率之间的关系等。然后是与各baseline方法进行比较,比较指标采用准确率。
DeepDecision: A Mobile Deep Learning Framework for Edge Video Analytics相关推荐
- 1.3读论文笔记:M. Raissi a等人的Physics-informed neural networks:A deep learning framework for solving forw..
Physics-informed neural networks: A deep learning framework for solving forward and inverse problems ...
- 【论文导读】- E-LSTM-D: A Deep Learning Framework for Dynamic Network Link Prediction(动态网络链接预测)
文章目录 论文信息 摘要 论文贡献 问题定义 动态网络 动态网络链接预测 E-LSTM-D 框架 Encoder–Decoder结构 1. 编码器(Encoder) 2. 解码器(Decoder) 堆 ...
- Spatio-Temporal Graph Convolutional Networks: A Deep Learning Framework for Traffic
IJCAI 2018,大体思路:使用Kipf & Welling 2017的近似谱图卷积得到的图卷积作为空间上的卷积操作,时间上使用一维卷积对所有顶点进行卷积,两者交替进行,组成了时空卷积块, ...
- A Blockchain-Based Machine Learning Framework for Edge Services in IIoT 论文学习
A Blockchain-Based Machine Learning Framework for Edge Services in IIoT IEEE TRANSACTIONS ON INDUSTR ...
- DeepGBM: A Deep Learning Framework Distilled by GBDT for Online Prediction Tasks
DeepGBM: A Deep Learning Framework Distilled by GBDT for Online Prediction Tasks 论文链接:https://dl.acm ...
- 论文笔记:《DeepGBM: A Deep Learning Framework Distilled by GBDT for Online Prediction Tasks》
论文笔记:<DeepGBM: A Deep Learning Framework Distilled by GBDT for Online Prediction Tasks> 摘要 1. ...
- A Novel Two-stage Separable Deep Learning Framework for Practical Blind Watermarking论文阅读
A Novel Two-stage Separable Deep Learning Framework for Practical Blind Watermarking Abstract 数字水印是一 ...
- Clinically applicable deep learning framework for organs at risk delineation in CT images
Clinically applicable deep learning framework for organs at risk delineation in CT images 发表期刊:Natur ...
- Edge Video Analytics (0) — Edge Video Analytics Paper List
Edge Video Analytics Paper List 来源:https://github.com/xumengwei/Edge-AI-Paper-List/blob/main/README. ...
最新文章
- linux gcc 安装目录,Linux安装其他版本GCC的方法
- 指向结构体的指针别名
- 硬盘坏道拷贝软件_什么是数据恢复工具,一款一键恢复软件
- 12篇文章带你逛遍主流分割网络
- Mysql学习总结(43)——MySQL主从复制详细配置
- omnigraffle 画曲线_OmniGraffle使用的10个小技巧
- 程序化炒股软件有哪些?
- 历年软件设计师下午考试试题汇总统计
- Radare2 框架介绍及使用
- m4a怎么转换成mp3
- flyingsaucer转换多个html,Flying Saucer实现html转pdf(一些有关问题,持续更新)
- 慢阻肺患者安全过冬指南
- 2021年度训练联盟热身训练赛第五场 F,G,H,I
- JavaSE第2天练习题(运算符,选择流程控制语句)
- mysql日期时间相关
- 四旋翼无人机学习第6节--SPL06气压传感器和MPU9250九轴传感器电路分析
- 5. IO流之缓冲流
- mybatis操作Oracle数据库批量插入与更新、运行注意事项、属性含义
- Win10更新完毕。C盘图片已经微信缓存全部消失如何解决?
- php中进制转换,php的进制转换