Croesus：面向边-云系统视频分析的多阶段处理与事务机制
系统与控制
2022-01-04 v1 计算机视觉与模式识别
分布式、并行与集群计算
机器学习
系统与控制
摘要
新兴边缘应用既需要快速响应延迟又需要复杂处理。若无非昂贵硬件能在短时间内处理诸如目标检测等复杂操作，这便不可行。许多工作通过模型压缩、剪枝与量化或压缩输入来应对模型复杂度问题。本文中，我们针对性能挑战提出了一种不同视角。Croesus 是一种面向边-云系统的多阶段方法，能够提供在精度与性能间寻求平衡的能力。Croesus 由两个阶段（可推广至多阶段）组成：初始阶段与最终阶段。初始阶段在边缘端利用近似/尽力计算实时执行计算。最终阶段在云端执行完整计算，并利用结果纠正初始阶段产生的任何错误。本文中，我们展示了该方法在视频分析用例上的影响，并说明多阶段处理如何 yielding 精度与性能间更好的平衡。此外，我们通过两项提案研究多阶段事务的安全性：多阶段可串行化（MS-SR）与带致歉的多阶段不变合流（MS-IA）。
引用
@article{arxiv.2201.00063,
title = {Croesus: Multi-Stage Processing and Transactions for Video-Analytics in Edge-Cloud Systems},
author = {Samaa Gazzaz and Vishal Chakraborty and Faisal Nawab},
journal= {arXiv preprint arXiv:2201.00063},
year = {2022}
}
备注
Published in ICDE2022