BlazeIt：面向基于神经网络的视频分析的声明式聚合与限制查询优化
数据库
2019-12-10 v2
摘要
神经网络（NN）的最新进展使得能够以高精度自动查询大量视频数据。虽然这些深度 NN 能够在视频中生成关于物体位置和类型的准确标注，但它们计算成本高昂，并且需要复杂的命令式部署代码来回答查询。先前的工作使用近似过滤来降低视频分析的成本，但未处理两类重要的查询，即聚合查询和限制查询；此外，这些方法仍然需要复杂的代码来部署。为了解决大规模视频查询在计算和可用性方面的挑战，我们引入了 BlazeIt，这是一个优化视频中物体时空信息查询的系统。BlazeIt 通过 FrameQL 接受查询，FrameQL 是 SQL 的声明式扩展，用于支持视频特定查询优化。我们在 BlazeIt 中引入了两种先前工作不支持的查询优化技术。首先，我们开发了使用 NN 作为控制变量的方法，以快速回答具有误差界的近似聚合查询。其次，我们提出了一种用于基数受限视频查询的新型搜索算法。通过这些优化，BlazeIt 在最近的视频处理文献上可以实现高达 83 倍的加速。
引用
@article{arxiv.1805.01046,
title = {BlazeIt: Optimizing Declarative Aggregation and Limit Queries for Neural Network-Based Video Analytics},
author = {Daniel Kang and Peter Bailis and Matei Zaharia},
journal= {arXiv preprint arXiv:1805.01046},
year = {2019}
}