AQuA：用于优化视频分析系统的分析质量评估
图像与视频处理
2021-10-27 v2 计算机视觉与模式识别
机器学习
摘要
边缘侧正在部署数百万台摄像头，以支撑各种深度学习应用。然而，这些摄像头捕获的帧并非总是完好无损——它们可能因光照问题、传感器噪声、压缩等而失真。此类失真不仅降低视觉质量，还会影响处理这些视频流的深度学习应用的准确性。在这项工作中，我们引入 AQuA，通过为帧的失真程度评分，来保护应用准确性免受此类失真帧的影响。它通过学习一种新颖的指标——分类器意见分数，并采用轻量的、基于CNN的、与对象无关的特征提取器，来考虑帧的分析质量而非视觉质量。AQuA 准确评估帧的失真水平，并可泛化到多种不同的深度学习应用。当用于在边缘过滤低质量帧时，它将分析应用的高置信度错误降低了 17%。通过过滤，并且由于其低开销（14ms），AQuA 还能将计算时间和平均带宽使用量减少 25%。
引用
@article{arxiv.2101.09752,
title = {AQuA: Analytical Quality Assessment for Optimizing Video Analytics Systems},
author = {Sibendu Paul and Utsav Drolia and Y. Charlie Hu and Srimat T. Chakradhar},
journal= {arXiv preprint arXiv:2101.09752},
year = {2021}
}