Boggart：面向回溯式视频分析通用加速的系统
计算机视觉与模式识别
2022-05-03 v2 数据库
分布式、并行与集群计算
摘要
商业回溯式视频分析平台日益采用通用接口，以支持不同应用所需的自定义查询与卷积神经网络（CNNs）。然而，现有优化针对 CNN 由平台（而非用户）确定的场景设计，当该条件不满足时，无法同时达成以下关键平台目标之一：可靠精度、低延迟与最小冗余计算。我们提出 Boggart，一个在支持当今平台所追求的通用性的同时，同时满足全部三个目标的系统。在查询发出前，Boggart 审慎采用传统计算机视觉算法生成不精确但从根本上覆盖不同 CNN/查询的索引。对于发出的每个查询，Boggart 采用新技术快速刻画其索引的不精确性，并以限定精度下降的方式极少运行 CNN（并将结果传播至其他帧）。我们的结果表明，Boggart 改进的通用性代价很低，其加速比与先前特定模型方法持平（且多数情况下超越）。
引用
@article{arxiv.2106.15315,
title = {Boggart: Towards General-Purpose Acceleration of Retrospective Video Analytics},
author = {Neil Agarwal and Ravi Netravali},
journal= {arXiv preprint arXiv:2106.15315},
year = {2022}
}