基于深度强化学习的节能停车分析系统
计算机视觉与模式识别
2022-04-22 v2 人工智能
机器学习
摘要
深度视觉技术的进步与智能摄像头的普及将推动下一代视频分析的发展。然而，视频分析应用消耗大量能源，因为深度学习技术与摄像头均为高功耗设备。本文聚焦于停车视频分析平台，提出 RL-CamSleep，一种基于深度强化学习的技术，用于在保持系统效用的同时驱动摄像头以降低能耗足迹。我们的核心洞见是，许多视频分析应用并非始终需要运行，我们可以设计策略仅在必要时激活视频分析。此外，我们的工作是对现有聚焦于提升硬件与软件效率研究的补充。我们在一个覆盖全城 76 条街道的城市级停车数据集上评估了该方法。分析表明不同街道具有各异的停车模式，凸显了自适应策略的重要性。我们的方法能够学习此类自适应策略，将平均能耗降低 76.38%，并在视频分析中达到超过 98% 的平均准确率。
引用
@article{arxiv.2202.08973,
title = {Energy-Efficient Parking Analytics System using Deep Reinforcement Learning},
author = {Yoones Rezaei and Stephen Lee and Daniel Mosse},
journal= {arXiv preprint arXiv:2202.08973},
year = {2022}
}