EdgeMA：面向边缘设备实时视频分析的模型自适应系统
计算机视觉与模式识别
2023-08-21 v1 人工智能
摘要
边缘设备上针对场景变化的实时视频分析仍是一项困难任务。由于边缘设备通常资源受限，边缘深度神经网络（DNN）比通用 DNN 具有更少的权重和更浅的架构。因此，它们仅在有限场景中表现良好，并且对数据漂移敏感。本文中，我们介绍了 EdgeMA，一个实用且高效的视频分析系统，旨在使模型随时间适应真实世界视频流中的偏移，从而解决数据漂移问题。EdgeMA 提取基于灰度共生矩阵的统计纹理特征，并使用随机森林分类器来检测域偏移。此外，我们加入了基于重要性加权的模型自适应方法，专门设计用于更新模型以应对标签分布偏移。通过对 EdgeMA 在真实世界数据集上的严格评估，我们的结果表明 EdgeMA 显著提升了推理精度。
引用
@article{arxiv.2308.08717,
title = {EdgeMA: Model Adaptation System for Real-Time Video Analytics on Edge Devices},
author = {Liang Wang and Nan Zhang and Xiaoyang Qu and Jianzong Wang and Jiguang Wan and Guokuan Li and Kaiyu Hu and Guilin Jiang and Jing Xiao},
journal= {arXiv preprint arXiv:2308.08717},
year = {2023}
}
备注
Accepted by 30th International Conference on Neural Information Processing (ICONIP 2023)