基于 Lyapunov 优化的可靠自适应人脸识别框架
分布式、并行与集群计算
2021-09-06 v1 计算机视觉与模式识别
摘要
来自视频流的人脸识别（FID）计算密集度极高，若在资源受限设备（如移动设备）上执行，可能耗尽计算资源。一般而言，FID 在较高采样率下图像采样性能更好，可最小化假阴性。然而，以过高采样率执行会使系统面临队列溢出的风险，从而损害系统可靠性。本文提出一种新颖的队列感知 FID 框架，其通过实施 Lyapunov 优化自适应调整采样率，以最大化 FID 性能同时避免队列溢出。基于轨迹的仿真初步评估证实了该框架的有效性。
引用
@article{arxiv.2109.01212,
title = {A Reliable, Self-Adaptive Face Identification Framework via Lyapunov Optimization},
author = {Dohyeon Kim and Joongheon Kim and Jae young Bang},
journal= {arXiv preprint arXiv:2109.01212},
year = {2021}
}
备注
This paper was presented at ACM Symposium on Operating Systems Principles (SOSP) Workshop on AI Systems (AISys), Shanghai, China, October 2017