通过卷积共享实现边缘端协同视频感知
计算机视觉与模式识别
2020-12-17 v1
摘要
尽管深度神经网络（DNN）模型在机器视觉能力上取得了显著进展，但其高计算复杂度和模型规模构成了基于 AIoT 的感知应用中部署的巨大障碍。在本文中，我们提出一种新颖范式，使网络中的对等节点能够协作以提升其在行人检测（一个典型的机器视觉任务）上的准确率。所提方法无需对 DNN 进行重新训练，并且由于它从协作者处提取场景摘要并实时注入参考摄像机的 DNN 中，仅带来极小的处理延迟。早期结果显示出前景，在基准数据集上仅使用单个协作者时召回率提升高达 10%。
引用
@article{arxiv.2012.08643,
title = {Enabling Collaborative Video Sensing at the Edge through Convolutional Sharing},
author = {Kasthuri Jayarajah and Dhanuja Wanniarachchige and Archan Misra},
journal= {arXiv preprint arXiv:2012.08643},
year = {2020}
}