ApproxNet：面向嵌入式客户端的内容与竞争感知视频分析系统
计算机视觉与模式识别
2021-07-16 v5 图像与视频处理
摘要
视频在网络上传输耗时很长，因此在嵌入式或移动设备上进行实时视频分析已成为重要的系统驱动力。考虑到此类设备（如监控摄像头或 AR/VR 装置）资源受限，为嵌入式设备创建轻量级深度神经网络（DNN）至关重要。当前用于目标分类 DNN 的近似技术均无法适应变化的运行时条件，例如设备上资源可用性的变化、内容特征或用户需求的变化。本文介绍 ApproxNet，一种面向嵌入式或移动客户端的视频目标分类系统。它实现了新颖的动态近似技术，以在变化的运行时条件下达成所需的推理延迟与精度权衡。其通过单一 DNN 模型内启用两个近似旋钮来实现，而非创建并维护模型集成（如 MCDNN [MobiSys-16]）。我们展示 ApproxNet 能在运行时无缝适应这些变化，为图像与视频帧分类问题提供低且稳定的延迟，并展示其在精度与延迟上相对于 ResNet [CVPR-16]、MCDNN [MobiSys-16]、MobileNets [Google-17]、NestDNN [MobiCom-18] 和 MSDNet [ICLR-18] 的改进。
引用
@article{arxiv.1909.02068,
title = {ApproxNet: Content and Contention-Aware Video Analytics System for Embedded Clients},
author = {Ran Xu and Rakesh Kumar and Pengcheng Wang and Peter Bai and Ganga Meghanath and Somali Chaterji and Subrata Mitra and Saurabh Bagchi},
journal= {arXiv preprint arXiv:1909.02068},
year = {2021}
}
备注
This paper has been accepted to appear in ACM Transactions on Sensor Networks in 2021